【技术实现步骤摘要】
一种电力系统的主导失稳模式识别模型的构建方法及应用
[0001]本专利技术属于电力系统稳定性判断
，更具体地，涉及一种电力系统的主导失稳模式识别模型的构建方法及应用。
技术介绍
[0002]电力系统运行的稳定性与社会经济的可持续发展密切相关。为了保证电力系统运行在一个安全稳定的状态，电力公司需要每年进行大规模的数字仿真工作，数字仿真为电力系统的运行方式、稳控措施制定提供了很强的指导，在实际工程中具有重要意义。
[0003]电网仿真可以分为仿真计算和仿真数据分析两个部分，其中前者为后者提供数据支持。在仿真计算过程中，会生成大量的高维、稀疏且复杂的仿真数据。现阶段，大部分的仿真数据方法还是采用人工进行，严重依赖专家经验，需要耗费大量的人力和精力。在仿真数据分析中，一种典型的情况是：电力系统发生故障后失稳，暂态功角失稳和暂态电压失稳会交织出现。然而，现有的研究以及工程实际表明系统失稳必然由一种失稳模式主导，不同的失稳模式对应了不同的控制策略。现阶段基于物理机理的主导失稳模式判别方法存在着适应性不强、计算复杂等问题，难...
【技术保护点】
【技术特征摘要】
1.一种电力系统的主导失稳模式识别模型的构建方法，其特征在于，包括：将预采集的训练样本集输入到导失稳模式识别模型中进行训练，得到训练好的导失稳模式识别模型；所述训练样本集包括：电力系统不同故障类型下母线电压的幅值矩阵和相角矩阵，以及对应的主导失稳模式标签；其中，所述幅值矩阵由各电网节点的母线电压幅值向量构成；所述母线电压幅值向量为各采样时刻下的母线电压幅值所组成的向量；所述相角矩阵由各采样时刻下各电网节点的母线电压相角向量构成；所述母线电压相角向量为各采样时刻下的母线电压相角所组成的向量；所述主导失稳模式识别模型包括：级联的图注意力模块和全连接层网络；所述图注意力模块用于基于注意力机制，结合输入的幅值矩阵和相角矩阵，学习得到图结构中各条边的权重，并基于所得权重，通过图神经网络对幅值矩阵和相角矩阵进行特征提取，得到电力系统的模式特征；所述图结构根据电网拓扑构建得到；所述图结构中的节点对应电网中的母线节点，所述图结构中的边对应电网中的传输线路；所述全连接层网络用于将所述电力系统的模式特征映射为主导失稳模式的分类概率，从而得到电力系统的主导失稳模式类别。2.根据权利要求1所述的主导失稳模式识别模型的构建方法，其特征在于，所述图注意力模块包括：第一图注意力单元、第二图注意力单元和拼接层；所述第一图注意力单元和所述第二图注意力单元并行连接，二者的输出端均与所述拼接层的输入端相连；所述第一图注意力单元用于基于注意力机制，结合输入的幅值矩阵，学习得到图结构中各条边的第一权重，并基于所得第一权重，通过图神经网络对幅值矩阵进行特征提取；所述第二图注意力单元用于基于注意力机制，结合输入的相角矩阵，学习得到图结构中各条边的第二权重，并基于所得第二权重，通过图神经网络对相角矩阵进行特征提取；所述拼接层用于对所述第一图注意力单元提取到的幅值矩阵特征和所述第二图注意力单元提取到的相角矩阵特征进行拼接，得到电力系统的模式特征。3.根据权利要求2所述的主导失稳模式识别模型的构建方法，其特征在于，所述第一图注意力单元和所述第二图注意力单元均包括级联的特征提取层和融合层；所述特征提取层包括K个并联的图注意力子网络；所述图注意力子网络包括级联的注意力机制单元和图神经网络；所述注意力机制单元用于对图结构中的第i个节点，从输入的幅值矩阵特征或相角矩阵特征中获取其所对应的向量以及其相邻节点所对应的向量，并分别进行线性变换；将第i个节点所对应的向量的线性变换结果分别与其相邻节点所对应的向量的线性变换结果进行拼接后，对各拼接后的结果分别进行非线性变换；并采用线性映射函数将各非线性变换结果映射成一维数值，从而得到图结构中第i个节点与其相邻节点之间的权重值；其中，i＝1,2,
…
,N；N为图结构中的节点个数；所述图神经网络用于基于归一化处理后的图结构中各条边的权重值，提取输入矩阵的特征；所述融合层用于对所述特征提取层输出的K个输入矩阵的特征进行融合。4.根据权利要求3所述的主导失稳模式识别模型的构建方法，其特征在于，第i个节点V
i...
【专利技术属性】
技术研发人员：姚伟，张润丰，石重托，文劲宇，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。