一种电力系统暂态功角稳定性判别方法及其相关装置制造方法及图纸

本申请公开了一种电力系统暂态功角稳定性判别方法及其相关装置，以电力系统中原发电机图的发电机为节点，基于节点间的边权重进行节点聚类得到降维后图；通过降维映射将原发电机图中节点的状态特征映射为降维后图中节点的状态特征；以降维后图及其状态特征为图注意力神经网络的输入，输出稳定性判别结果；状态特征包括发电机母线电压幅值、电压相角、发电机有功出力、无功出力、发电机功角、发电机机端电压、换流站交流母线电压、换流站直流电流，改善了由于系统规模庞大、涉及节点众多，将所有线路和机组输入模型提取特征所导致的输入特征和模型参数过多引发维数灾，模型训练成本高，训练难度高，泛化能力差，进而影响稳定性判别结果的技术问题。别结果的技术问题。别结果的技术问题。

【技术实现步骤摘要】
一种电力系统暂态功角稳定性判别方法及其相关装置


[0001]本申请涉及电力系统
，尤其涉及一种电力系统暂态功角稳定性判别方法及其相关装置。

技术介绍

[0002]电网安全稳定控制策略指当电网运行出现异常时，对系统采取切机、切负荷控制措施，以防止故障进一步扩大。作为保证电网稳定运行的重要措施，稳控策略在制定、校核及评估上，存在着计算量大、严重依赖专家经验的问题。在“双高”背景下，电网运行方式维数增长、形式多变，使得电网故障分析的难度不断加大、离线分析计算场景规模爆炸式增长，对离线稳控分析效率提出了更高的要求。其中一个制约离线稳控分析效率和自动化程度的关键环节就是稳定性判别。一些稳定问题在物理概念上或工程计算规范上存在明确的显式判稳规则，但很多情况下，这些规则需要较长时间的数值仿真来提供输入信息，或者不符合分析需求的特殊情况(如远离故障点的无关紧要的机组失步)，也无法对稳定或不稳定程度给出度量。深度学习既能揭示系统关键参数信息、揭示系统稳定程度，又能提供高效的自动判稳和稳定性边界搜索功能，是提高离线稳控分析效率和深度的一个关键技术发展方向。对实际电网建立稳控策略的暂态稳定评估深度网络模型，有利于在高维、高数量级样本下稳控策略的高效校核验证。
[0003]近年来，深度学习在稳定评估领域上取得重大进展。深度学习以数据驱动的形式，从大量历史数据中提取关键信息，能够快速准确地预测系统稳定状况。通过深度学习建立深度神经网络智能稳定评估模型，输入系统参数和状态，就能快速输出对稳定性的判断。由于电力系统中的电网状态量的空间拓扑可由图进行表示，且暂态过程中不同的机组位置对电气状态量具有显著影响，可以基于图深度学习技术对电力系统稳定评估方法展开深入研究。包括图神经网络(GNN)、图卷积神经网络(GCN)、图注意力神经网络(GAT)等。上述图深度学习方法能够有针对性地提取节点间的相互作用关系，在暂态稳定评估中具有较高泛化能力及准确率。但对于实际大电网，由于系统规模庞大、涉及节点众多，若将网络中的所有线路和机组输入深度学习模型提取特征，必将导致深度学习的输入特征和模型参数过多引发维数灾，模型训练成本、难度上升，泛化能力较差，从而影响稳定性判断结果。

技术实现思路

[0004]本申请提供了一种电力系统暂态功角稳定性判别方法及其相关装置，用于改善由于系统规模庞大、涉及节点众多，将网络中的所有线路和机组输入深度学习模型提取特征，所导致的输入特征和模型参数过多引发维数灾，模型训练成本高，训练难度高，泛化能力较差，进而影响稳定性判别结果的技术问题。
[0005]有鉴于此，本申请第一方面提供了一种电力系统暂态功角稳定性判别方法，包括：
[0006]以电力系统中原发电机图中的发电机为节点，基于节点间的边权重进行节点聚类得到降维后图；
[0007]通过降维映射将所述原发电机图中节点的状态特征映射为所述降维后图中节点的状态特征，所述降维后图中节点的状态特征由该节点对应的聚类中的所有节点的状态特征计算得到；
[0008]以所述降维后图和所述降维后图中各节点的状态特征为图注意力神经网络的输入，输出所述电力系统的稳定性判别结果；
[0009]其中，所述状态特征包括发电机母线电压幅值、发电机母线电压相角、发电机有功出力、发电机无功出力、发电机功角、发电机机端电压、换流站交流母线电压、换流站直流电流。
[0010]可选的，所述以电力系统中原发电机图中的发电机为节点，基于节点间的边权重进行节点聚类得到降维后图，包括：
[0011]以电力系统中原发电机图中的发电机为节点，以发电机容量和惯性时间常数为特征计算节点间的一阶相似度；
[0012]基于节点间的所述一阶相似度和所述原发电机图的邻接矩阵中节点间的初始边权重计算节点间的改进后边权重，节点间的所述初始边权重与节点间的电气距离负相关；
[0013]采用节点间的所述改进后边权重作为节点相似度指标，基于层次聚类算法进行节点聚类，得到聚类结果；
[0014]基于所述聚类结果将属于同一个聚类中的节点映射为一个节点，得到降维后图。
[0015]可选的，节点间的所述一阶相似度的计算公式为：
[0016][0017]u
i
＝(S
gi
,T
Ji
)
T
/||(S
gi
,T
Ji
)
T
||；
[0018]u
j
＝(S
gj
,T
Jj
)
T
/||(S
gj
,T
Jj
)
T
||；
[0019]式中，p
ij
为节点i与节点j之间的一阶相似度，u
i
为节点i的暂态功角稳定特征参数归一化向量，S
gi
为节点i对应的发电机的额定容量，T
Ji
为节点i对应的发电机的惯性时间常数，u
j
为节点j的暂态功角稳定特征参数归一化向量，S
gj
为节点j对应的发电机的额定容量，T
Jj
为节点j对应的发电机的惯性时间常数。
[0020]可选的，节点间的所述改进后边权重的计算公式为：
[0021][0022]式中，O
i,j
为节点i与节点j之间的改进后边权重，ω
ij
为节点i与节点j之间的初始边权重，p
ij
为节点i与节点j之间的一阶相似度。
[0023]可选的，所述以所述降维后图和所述降维后图中各节点的状态特征为图注意力神经网络的输入，输出所述电力系统的稳定性判别结果，包括：
[0024]以所述降维后图和所述降维后图中各节点的状态特征为图注意力神经网络的输入，通过所述图注意力神经网络计算各节点与邻居节点之间的相似系数；
[0025]通过所述图注意力神经网络根据各节点与邻居节点之间的相似系数和所述降维后图的邻接矩阵中各节点与邻居节点的边权重计算各节点对邻居节点的注意力系数；
[0026]通过所述图注意力神经网络根据各节点对邻居节点的注意力系数对各节点的邻居节点的状态特征进行特征融合，得到各节点的输出特征，并根据各节点的输出特征输出
所述电力系统的稳定性判别结果。
[0027]可选的，所述图注意力神经网络的训练过程为：
[0028]获取训练样本，并计算所述训练样本的发电机转子角暂态稳定指标；
[0029]若所述训练样本的发电机转子角暂态稳定指标大于0，则设置所述训练样本的标签为系统暂态功角稳定，若所述训练样本的发电机转子角暂态稳定指标小于或等于0，则设置所述训练样本的标签为系统暂态功角不稳定；
[0030]通过所述训练样本训练所述图注意力神经网络。
[0031]本申请第二方面提供了一种电力系统暂态功角稳定性判别装置，包括：
[0032]聚类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力系统暂态功角稳定性判别方法，其特征在于，包括：以电力系统中原发电机图中的发电机为节点，基于节点间的边权重进行节点聚类得到降维后图；通过降维映射将所述原发电机图中节点的状态特征映射为所述降维后图中节点的状态特征，所述降维后图中节点的状态特征由该节点对应的聚类中的所有节点的状态特征计算得到；以所述降维后图和所述降维后图中各节点的状态特征为图注意力神经网络的输入，输出所述电力系统的稳定性判别结果；其中，所述状态特征包括发电机母线电压幅值、发电机母线电压相角、发电机有功出力、发电机无功出力、发电机功角、发电机机端电压、换流站交流母线电压、换流站直流电流。2.根据权利要求1所述的电力系统暂态功角稳定性判别方法，其特征在于，所述以电力系统中原发电机图中的发电机为节点，基于节点间的边权重进行节点聚类得到降维后图，包括：以电力系统中原发电机图中的发电机为节点，以发电机容量和惯性时间常数为特征计算节点间的一阶相似度；基于节点间的所述一阶相似度和所述原发电机图的邻接矩阵中节点间的初始边权重计算节点间的改进后边权重，节点间的所述初始边权重与节点间的电气距离负相关；采用节点间的所述改进后边权重作为节点相似度指标，基于层次聚类算法进行节点聚类，得到聚类结果；基于所述聚类结果将属于同一个聚类中的节点映射为一个节点，得到降维后图。3.根据权利要求2所述的电力系统暂态功角稳定性判别方法，其特征在于，节点间的所述一阶相似度的计算公式为：u
i
＝(S
gi
,T
Ji
)
T
/||(S
gi
,T
Ji
)
T
||；u
j
＝(S
gj
,T
Jj
)
T
/||(S
gj
,T
Jj
)
T
||；式中，p
ij
为节点i与节点j之间的一阶相似度，u
i
为节点i的暂态功角稳定特征参数归一化向量，S
gi
为节点i对应的发电机的额定容量，T
Ji
为节点i对应的发电机的惯性时间常数，u
j
为节点j的暂态功角稳定特征参数归一化向量，S
gj
为节点j对应的发电机的额定容量，T
Jj
为节点j对应的发电机的惯性时间常数。4.根据权利要求2所述的电力系统暂态功角稳定性判别方法，其特征在于，节点间的所述改进后边权重的计算公式为：式中，O
i,j
为节点i与节点j之间的改进后边权重，ω
ij
为节点i与节点j之间的初始边权重，p
ij
为节点i与节点j之间的一阶相似度。5.根据权利要求1所述的电力系统暂态功角稳定...

【专利技术属性】
技术研发人员：杨欢欢，李诗旸，张建新，付超，邱建，朱泽翔，高琴，谢宇翔，杨荣照，刘宇明，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：