【技术实现步骤摘要】
一种基于改进CNN模型的电网瞬态稳定性预测方法
[0001]本专利技术属于电网监测和神经网络模型
,具体为一种基于改进CNN模型的电网瞬态稳定性预测方法。
技术介绍
[0002]如今,电力系统正在扩大,智能变电站的数量也在增加;新的在线监测和离线检测方法正在不断应用至供配电工作中。电力系统中大规模的电力设备,一直在产生大量的数据,这些数据具有大数据的特征。如何将这些复杂的、看似不相关的数据应用于变电站的智能评估,是目前电力系统发展中亟待解决的问题。
[0003]大数据分析是一种常见的数据处理方法。评价变电站的本质是评价电力设备的健康状况。若能提前得出有价值的数据,对电力系统进行全面准确地评估,判断每一个设备的健康状况,就可以在设备出现故障之前发现问题并安排故障处理,从而延长设备的服务时间,提高电网的供电可靠性;在大数据环境的基础下,新的诸如人工智能、神经网络等技术出现,为电力系统发展的数据处理部分带来了新的进步,但具体如何实现,还有待研究。
[0004]电网瞬态稳定性,通常称之为电力系统的暂态稳定性,是指电力系统在运行过程中,受到一个大的扰动后,经过一个暂态过程能否达到新的稳定运行状态或恢复到原来运行状态,即平衡点的能力;这是评价电网性能的重要指标,同时也为电网的结构发展与改进提供分析基础,因此,对电网瞬态稳定性进行预测,是电网监测工作中的重点之一。
[0005]现有技术已经在尝试使用卷积神经网络,即CNN网络,构建相应模型,来对电网暂态电压稳定过程进行快速评估;其要点在于依据暂态电压时 ...
【技术保护点】
【技术特征摘要】
1.一种基于改进CNN模型的电网瞬态稳定性预测方法,其特征在于,包括如下步骤:S1、对待预测电网中的原始数据进行数据清洗,数据清洗完成后,采集设定周期T内的待预测电网中的有效数据;S2、提取有效数据中的发电机功率角特征数据、堆叠稀疏自动编码器特征数据和随机矩阵特征数据,对这三类特征数据进行最大最小归一化处理,获得对应的三类预处理数据;S3、将预处理数据输入电网瞬态稳定性预测模型,获得电网瞬态稳定性预测结果;所述电网瞬态稳定性预测模型,以对CNN模型进行改进的方式构建,由三个卷积神经网络通道、一个特征融合层和一个回归层所构成。2.根据权利要求1所述的一种基于改进CNN模型的电网瞬态稳定性预测方法,其特征在于:所述电网瞬态稳定性预测模型的具体构建方式为:将每一个卷积神经网络通道的输入端作为电网瞬态稳定性预测模型的输入,接收预处理数据;将每一个卷积神经网络通道的输出端均与特征融合层的输入端连接,将特征融合层的输出端与回归层的输入端相连接,回归层的输出即为预测结果的输出;其中,每一个卷积神经网络通道的结构相同,构建方法也相同,均为:依次连接第一卷积层Conv1 3
×
1、第一池化层Pool1 2
×
1、第二卷积层Conv2 3
×
1、第二池化层Pool2 2
×
1、第三卷积层Conv3 2
×
1、第三池化层Pool3 2
×
1、第四卷积层Conv4_6 2
×
1和第四池化层Pool4 2
×
1;并将第四池化层Pool4 2
×
1的输出端连接特征融合层的输入端;将经过最大最小归一化处理的发电机功率角特征数据、堆叠稀疏自动编码器特征数据和随机矩阵特征数据,分别作为一个卷积神经网络通道中第一卷积层Conv1 3
×
1的输入;所述回归层的激活函数为H(s')=s0,其中s'为特征融合层的输出结果;s0为预测得到的预测稳定裕度。3.根据权利要求2所述的一种基于改进CNN模型的电网瞬态稳定性预测方法,其特征在于:电网瞬态稳定性预测结果包括电网稳定状态δ,如下式:式中,当δ输出为1时,表示预测电网处于稳定状态,当δ输出为
‑
1时,表示预测电网处于不稳定状态。4.根据权利要求1所述的一种基于改进CNN模型的电网瞬态稳定性预测方法,其特征在于,在步骤S3之前,还包括对电网瞬态稳定性预测模型的训练过程,具体为如下步骤:A1、生成多类不同电网故障条件下的m个样本案例,采集设定周期T内每个样本案例的训练数据;A2、对采集的训练数据进行特征提取,建立样品集P;A3、构建初始的电网瞬态稳定性预测模型后,将样品集P输入,采用Adam优化算法,对初始的电网瞬态稳定性预测模型进行训练,得到训练后的电网瞬态稳定性预测模型,在实际预测中使用。5.根据权利要求4所述的一种基于改进CNN模型的电网瞬态稳定性预测方法,其特征在于:电网瞬态稳定性预测模型的回归层的损失函数L为:
上式中,s
i
为样品集P中第i个样本案例在故障条件下的电网实际稳定裕度;s
0i
为第i个样本案例在故障条件下的预测实际稳定裕度。6.根据权利要求4所述的一种基于改进CNN模型的电网瞬...
【专利技术属性】
技术研发人员:钟加勇,陈咏涛,吴彬,李俊杰,籍勇亮,何迎春,厉仄平,靳敏,
申请(专利权)人:国网重庆市电力公司国家电网有限公司,
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。