【技术实现步骤摘要】
一种训练数据集的构造方法
[0001]本申请属于电力系统控制
,具体地提供一种电力系统重要度预测模型的训练数据集的构造方法。
技术介绍
[0002]电力系统安全稳定地运行是各行业生产、交通运输及人民日常生活的重要保证。对大量电力系统故障的分析显示,某些重要节点或主干线路的故障、退出运行等往往会蔓延至整个电网,从而造成巨大的经济损失,甚至影响社会的稳定。
[0003]为了尽量降低或消除上述故障的出现概率,除了通过各种技术手段对电力系统的节点和线路进行实时监测外,人们还提出了根据电力系统的潮流数据对节点和线路的重要度进行预测的方案,力求能够为电网提供保护信号的预警能力,例如专利202111054797.X提出了一种电力系统节点重要度预测方法,通过使用电力系统的历史潮流数据,能够对未来一段时间的电力系统节点的重要度进行预测。
[0004]然而在实际的电力系统运行过程中,由于采取了各种实时监控及智能调峰手段以保证电网的安全与稳定,使得所获取的历史潮流数据往往呈现出稳定的轻微波动或规律的周期性潮汐特性,导致预测模型只具有对平稳运行的电力系统的重要度进行预测的能力,而无法对各种突发状况导致系统潮流发生剧烈波动时的电力系统重要度进行准确的预测,从而大大限制了上述预测模型的应用场景及预测精度。
技术实现思路
[0005]为解决上述现有技术中存在的问题,本申请的目的在于对现有的电力系统重要度预测模型的训练数据集及其构造方法进行优化,以改善对电力系统重要度预测模型的训练效果。
[0006]本
【技术保护点】
【技术特征摘要】
1.一种训练数据集的构造方法,所述训练数据集被用于对电力系统的重要度预测模型进行训练,所述电力系统包括多个节点、多条线路,多个发电单元以及至少1个负荷单元,其特征在于,包括以下步骤:S1:获取时间序列{t
i
}对应的电力系统的实际采样数据,其中i∈[1,T];S2:基于随机选择的场景模式在{t
i
}的子序列{t
i
′
}对电力系统施加扰动并计算对应的模拟采样数据,使用所述模拟采样数据对所述实际采样数据进行重构,得到电力系统的重构采样数据;S3:基于所述重构采样数据构造所述训练数据集。2.根据权利要求1所述的一种训练数据集的构造方法,其特征在于:所述实际采样数据包括各节点、线路、发电单元及负荷单元在各时间点t
i
对应的有功功率和无功功率的实际采样值。3.根据权利要求1所述的一种训练数据集的构造方法,其特征在于:所述场景模式包括电源故障模式和线路故障模式。4.根据权利要求3所述的一种训练数据集的构造方法,其特征在于,步骤S2进一步包括以下步骤:S21:随机选择至少一种场景模式;S22:如果选择的场景模式包括电源故障模式,则进一步随机选择至少一个发电单元并设置其在各时间点t
i
′
对应的有功功率扰动量ΔP
G
(t
i
′
)和无功功率扰动量ΔQ
G
(t
i
′
),以及,如果选择的场景模式包括线路故障模式,则进一步随机选择至少一条线路并设置其在各时间点t
i
′
的通断状态;S23:基于所述ΔP
G
(t
i
′
)、ΔQ
G
(t
i
′...
【专利技术属性】
技术研发人员:宋蕙慧,吕文茜,张新,李盈盈,严帅,边卓伟,
申请(专利权)人:哈尔滨工业大学威海,
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。