一种可迁移的电力系统主导失稳模式判别方法技术方案

本发明专利技术公开了一种可迁移的电力系统主导失稳模式判别方法，属于电力系统稳定性分析领域。本发明专利技术针对基于深度学习的电力系统主导失稳模式判别模型，提出一种使其快速适应电力系统运行方式改变的方法。在样本层面，通过正向主动学习从目标域无标注样本中选择少量最不确定的样本交给专家标注，通过反向主动学习从源域样本集中删除偏离目标域分布的源域样本，将所选标注目标域样本和所剩源域样本组成混合样本集。在模型层面，采用微调的迁移学习方法基于混合样本集训练源域模型。如此，本发明专利技术能够通过较少的目标域标注样本使得模型迁移到目标域，提高主导失稳模式判别模型适应电网运行方式变化的效率，从而提高电力系统的安全性，适用性较强。适用性较强。适用性较强。

【技术实现步骤摘要】
一种可迁移的电力系统主导失稳模式判别方法


[0001]本专利技术属于电力系统稳定性分析领域，更具体地，涉及一种可迁移的电力系统主导失稳模式判别方法。

技术介绍

[0002]电力系统的安全稳定运行对能源安全和经济社会发展至关重要，其安全性和稳定性问题是系统规划、运行、保护工作者重点关注的问题。在电力系统受到大扰动后快速、准确地判断出其稳定和失稳以及主导失稳模式(电压失稳、功角失稳)，将为紧急控制措施赢得时间，同时为采取何种措施提供依据，从而有效保证系统的安全稳定。
[0003]时域仿真、能量函数、分岔分析等是主导失稳模式判别的常用方法，但在应用到实际大电网时存在诸多困难。近年来，一些研究将深度学习应用到主导失稳模式识别中，深度学习方法可以摆脱复杂的物理机理，学习从仿真数据或量测数据到稳定性及主导失稳模式之间的映射关系，根据数据直接做出判断，在主导失稳模式判别问题中具有广阔的应用前景。
[0004]深度学习方法采用数据驱动的方式，所有知识都是从数据中学得的，因而要求数据集具有较好的表征性。但在实际中，训练数据集不可能涵盖所有可能的运本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可迁移的电力系统主导失稳模式判别方法，其特征在于，包括：S1，基于源域样本集训练第一深度神经网络模型M0；S2，在目标域场景下进行多组暂稳仿真，提取仿真结果中电压数据和功角数据的统计特征，作为目标域样本集；S3，基于M0获取各未标注的目标域样本的边际概率，对边际概率值较小的前N个目标域样本的主导失稳模式类别进行标注，得到第一样本集；将所述第一样本集加入到源域样本集中，得到混合样本集，基于混合样本集对M0进行训练，得到第二深度神经网络模型M
t
；S4，基于M
t
获取各未标注的目标域样本的边际概率，对边际概率值较小的前N个目标域样本的主导失稳模式类别进行标注，得到第二样本集；S5，计算M
t
和M0对所述混合样本集中各源域样本的预测概率值之差，将差值较大的前M个源域样本删除；并将所述第二样本集加入进行删除操作后的混合样本集中；S6，基于进行删除和加入操作之后的混合样本集对M
t
进行参数微调；S7，重复S4
‑
S6，直至M
t
在所述目标域样本集上的测试准确率达到预设目标值或达到预设迭代次数。2.如权利要求1所述的方法，其特征在于，所述在目标域场景下进行多组暂稳仿真，包括：在新的潮流工况下，设置不同的故障线路、故障位置和故障持续时间进行多组暂稳仿真。3.如权利要求1或2所述的方法，其特征在于，基于M0或M
t
获取各未标注的目标域样本的边际概率，包括：其中，x
i
为第i个未标注的目标域样本，margin(x
i
)为其边际概率，...

【专利技术属性】
技术研发人员：姚伟，石重托，张润丰，文劲宇，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：