一种基于多源信息的电力系统暂态稳定评估方法技术方案

本发明专利技术公开了一种属于电力系统暂态稳定评估的基于多源信息的暂态稳定评估方法。首先通过改变系统运行状态和故障条件，对IEEE39节点系统使用电力系统分析综合程序进行批量时域仿真构造海量数据集。然后综合考虑影响系统暂态稳定的影响因素，将运行信息和故障信息作为卷积神经网络模型的输入特征，为更好实现运行信息和故障信息的综合利用，避免特征维度差别对准确率的影响，采用两种不同的特征融合方案对特征进行分阶段融合，并形成不同的暂态稳定评估模型。再利用训练建立的暂态稳定评估模型，对测试集进行暂态稳定评估，并采用混淆矩阵工具中的准确率、查准率、查全率和指标综合评估模型性能。最后通过t

【技术实现步骤摘要】
一种基于多源信息的电力系统暂态稳定评估方法


[0001]本专利技术属于电力系统暂态稳定评估领域，尤其涉及一种基于多源信息与深度学习的暂态稳定评估方法。

技术介绍

[0002]暂态稳定性评估是电力系统安全稳定分析的主要问题之一，准确地对电力系统进行暂态稳定评估对电力系统风险防控策略的制定至关重要。因此，暂态稳定评估方法对电力系统的安全稳定运行起着重要的作用。当前的暂态稳定评估方法可以主要分为时域仿真法和直接法，每种方法都有各自适应的时间尺度和数据类型。
[0003]时域仿真法(Time Domain Simulation，TDS)又称间接法，其基本思想是采用数值积分算法求解出描述受扰前后的系统微分代数方程组时间解，进而根据各发电机转子振荡曲线判断系统的稳定性。由于该算法具有良好的模型适应性和结果可靠性，在学术研究和实际生产中得到了较为广泛的应用。但时域仿真算法也存在着以下局限性：计算量大，计算耗时多，计算效率低；该算法虽能通过时域仿真得到受扰系统微分代数方程组的时间解，但尚没有统一、明确的稳定判据可供使用，仅能根据功角曲线振荡趋势或一定时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源信息与深度学习的电力系统暂态稳定评估方法，其特征在于，所述短暂态稳定评估方法包括以下步骤：步骤1：通过改变系统运行状态和故障条件，对IEEE39节点系统使用电力系统分析综合程序7.x进行批量时域仿真构造海量数据集；步骤2：综合考虑影响系统暂态稳定的影响因素，将运行信息和故障信息作为卷积神经网络模型的输入特征，采用2种不同的特征融合方案对特征进行分阶段融合，并形成不同的暂态稳定评估模型；步骤3：利用训练建立的暂态稳定评估模型，对测试集进行暂态稳定评估，并得出结果；步骤4：利采用混淆矩阵工具中的准确率Acc、查准率Prec、查全率Recall和F1
‑
score指标综合评估模型性能；步骤5：通过t
‑
SNE算法对所建立的暂态稳定评估模型进行可视化展示。2.如权利要求1所述的一种基于多源信息与深度学习的电力系统暂态稳定评估方法，其特征在于，所述暂稳评估模型可以表示为如下公式：其中，为模型的输出量，即t时刻暂态稳定评估结果；y作为模型的输入量，是电力系统的运行信息；t，L，l，p
l
也是模型的输入，分别为故障时间、故障位置、线路和负荷水平。3.如权利要求1所述的一种基于多源信息与深度学习的电力系统暂态稳定评估方法，其特征在于，步骤1中数据集故障参数设置为：线路负荷水平为70％～120％以10％步长增加的6种负荷情况，故障均为三相短路故障，三相短路故障持续时间分别设定为0.1、0.15s、0.2s，故障位置分别为1％、50％、99％，仿真时长为5s，共生成1836个初始样本数据。4.如权利要求1所述的一种基于多源信息与深度学习的电力系统暂态稳定评估方法，其特征在于，所述步骤2中将运行信息和故障信息作为卷积神经网络模型的输入特征，采用并行和串行2种特征融合方案对特征进行分阶段融合。5.如权利要求4所述的一种基于多源信息与深度学习的电力系统暂态稳定评估方法，其特征在于，选取运行信息和故障信息作为特征，选取故障信息中的故障时间...

【专利技术属性】
技术研发人员：郑惠萍，刘新元，张超，牛哲文，李瑞，张庚午，张颖，郝鑫杰，赵津蔓，曲莹，闫磊，韩肖清，张一帆，薄利明，暴悦爽，张东霞，李柏堉，杨晶，张仕旻，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：