一种基于多通道卷积的系统风险评估的计算方法及装置制造方法及图纸

本发明专利技术公开了一种基于多通道卷积的系统风险评估的计算方法，包括以下步骤：步骤1，数据积累：蒙特卡洛模拟系统运行状态并积累数据；步骤2，数据预处理：根据积累的数据建立数据仓库并进行数据筛选；步骤3，离线训练：深度学习训练LC预测器；步骤4，在线应用：模型的在线使用。本发明专利技术还公开了一种基于多通道卷积的系统风险评估的装置。本发明专利技术采用上述的一种基于多通道卷积的系统风险评估的计算方法及装置，在考虑系统分支电路故障消息与发电机故障消息的情况下，进行系统分析，确定负荷削减和系统状态数据之间的回归联系，并实现了对负荷削减预测。削减预测。削减预测。

【技术实现步骤摘要】
Systems 135(2021):107468.中使用一维卷积神经网络完成了LC预测，但没有考虑到高低风险系统的状态。
[0005]随着碳排放量的增加，建设以新能源为发电主要原料的新电力系统已成为一种趋势。然而，这可能会导致系统状态数量的显著增加和系统状态的频繁变化。这些问题对系统风险评估提出了更高的要求。传统的评估程序需要对许多系统的状态逐一计算最优潮流，这耗费的时间无疑是巨大。

技术实现思路

[0006]本专利技术的目的是提供了一种基于多通道卷积的系统风险评估的计算方法及装置，解决以上
技术介绍
中提出的问题。
[0007]为实现上述目的，本专利技术提供了一种基于多通道卷积的系统风险评估的计算方法，包括以下步骤：
[0008]步骤1，数据积累：蒙特卡洛模拟系统运行状态并积累数据；
[0009]步骤2，数据预处理：根据积累的数据建立数据仓库并进行数据筛选；
[0010]步骤3，离线训练：深度学习训练LC预测器；
[0011]步骤4，在线应用：模型的在线使用。
[0012]优选的，本方法分为三个阶段：数据准备、模型训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多通道卷积的系统运行风险的计算方法，其特征在于：包括以下步骤：步骤1，数据积累：蒙特卡洛模拟系统运行状态并积累数据；步骤2，数据预处理：根据积累的数据建立数据仓库并进行数据筛选；步骤3，离线训练：深度学习训练LC预测器；步骤4，在线应用：模型的在线使用。2.根据权利要求1所述的基于多通道卷积的系统运行风险的计算方法，其特征在于：本方法分为三个阶段：数据准备、模型训练和在线应用，步骤1和步骤2为数据准备阶段，步骤3为模型训练阶段，步骤4为在线应用阶段。3.根据权利要求2所述的基于多通道卷积的系统运行风险的计算方法，其特征在于：数据准备与模型训练均是离线进行，数据准备的离线工作包括系统仿真积累状态与数据处理，模型训练是对预测模型的训练。4.根据权利要求1所述的基于多通道卷积的系统运行风险的计算方法，其特征在于：步骤1中通过蒙特卡洛模拟出系统运行可能的状态集合，并用传统最优潮流计算模型求解各故障状态的负荷削减量作为样本的目标输出。5.根据权利要求4所述的基于多通道卷积的系统运行风险的计算方法，其特征在于：步骤2中对所建立的数据集进行分类，按照是否产生负荷削减量进行进行分类，并建立数据仓库，之后需要对系统状态数据进行预处理。6.根据权利要求5所述的基于多通道卷积的系统运行风险的计算方法，其特征在于：步骤3中采用多通道的方式将处理后的系统状态数据传入2D
‑
CNN网络中，所对应的负荷削减量作为标签进行模型训练。7.根据权利要求6所述的基于多通道卷积的系统运行风险的计算方法，其特征在于：步骤4中得到实现负荷削减量的模型，根据实时监测的系统信息对负荷削减量预测，实现系统风险评估。8.根据权利要求7所述的基于多通道卷积的系统运行风险的计算方法，其特征在于：在使用蒙特卡洛模拟方法进行数据采集后，节点导纳矩阵、发电机有效出力和节点负荷需求矩阵被选为2D
‑
CNN网络的输入，节点导纳矩阵实部和虚部各自创...

【专利技术属性】
技术研发人员：朱乐为，龙克文，侯恺，刘泽宇，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：