基于机器学习模型进行暂态电压安全分析方法技术

本发明专利技术属于电力技术领域，具体涉及一种基于机器学习模型进行暂态电压安全分析方法，采用考虑时空解耦特性的并联局域机器学习模型。相比于现有机器学习模型，并联局域模型的特点在于：该模型由多个子机器学习模型通过并联形式组成，其中每个子模型负责一类相似的电网运行场景，子模型的输入特征维度低、需要的训练样本少、训练速度快；该模型更新时仅需更新或新建一个子模型，更新代价低、需要的训练样本少、更新速度快。更新速度快。更新速度快。

【技术实现步骤摘要】
基于机器学习模型进行暂态电压安全分析方法


[0001]本专利技术属于电力
，具体涉及一种基于机器学习模型进行暂态电压安全分析方法。

技术介绍

[0002]暂态电压安全分析方法需要能够在事故前判定电网的暂态电压安全性。按照是否依赖电网物理模型，暂态电压安全分析方法可以分成模型驱动方法和数据驱动方法两大类。其中，模型驱动方法主要包括数值仿真法、暂态能量函数法和分叉理论法，数据驱动方法主要包括人工智能法。
[0003]目前，基于人工智能法进行暂态电压安全分析的研究大多使用机器学习模型。训练好的机器学习模型可以快速评估电网的暂态电压安全性，而且可以用于分析大规模电网。但是当电网规模较大时，机器学习模型需要的训练样本多，导致生成样本耗时长、训练速度慢；而且机器学习模型的泛化能力较差，难以适应电网运行中拓扑结构和预想故障的变化。
[0004]目前，考虑模型驱动方法和数据驱动方法相结合的研究较少。在建立机器学习模型时，较少考虑暂态电压安全问题的特性。由于无功电压问题的局域性，导致暂态电压安全问题具有空间分布特性，而且空间分布特性是故障相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器学习模型进行暂态电压安全分析方法，其特征在于，包括以下步骤：一、建立并联局域模型；(1.1)基于数值仿真生成样本；(1.2)计算样本之间的相似度，进而对样本聚类；(1.3)针对每个子样本集分别建立一个局域模型；局域模型的有效范围为子样本集在电网运行场景空间中的对应区域；把各个局域模型按照并联形式组合起来，完成并联局域模型的建立；二、并联局域模型的训练(2.1)选择局域模型使用的机器学习模型；然后，对子样本集进行特征选择，降低局域模型的输入特征维度；(2.2)基于特征选择后的子样本集训练局域模型；三、使用并联局域模型进行电网运行层面的暂态电压安全分析(3.1)从电网输入特征到局域模型之间的匹配机制量化局域模型的有效范围边界，得出与待评估运行场景匹配度最高的局域模型编号；(3.2)基于并联局域模型进行暂态电压安全分析并联局域模型的输入是电网输入特征，通过匹配机制把待评估运行场景导向了匹配的局域模型，该局域模型输出的TVSI指标即为并联局域模型的输出结果。2.根据权利要求1所述的基于机器学习模型进行暂态电压安全分析方法，其特征在于，所述的并联局域模型，为考虑时空解耦特性的电力系统并联局域机器学习模型，记为并联局域模型中包含多个子机器学习模型，子机器学习模型称为局域模型，记为多个子机器学习模型并联，每个子机器学习模型负责一类相似的电网运行场景；局域模型的输出是TVSI指标，从多个时间维度量化评估了暂态电压过程，体现了时间层面的解耦；把待评估的运行场景导向对应的局域模型；每个局域模型负责的一类相似运行场景对应于电网运行场景空间中的一块区域，称为局域模型的有效区域。3.根据权利要求1所述的基于机器学习模型进行暂态电压安全分析方法，其特征在于，步骤一的(1.1)基于数值仿真生成样本中，样本的格式为：X＝Case＝{flt,x0,topo}，y＝TVSI其中，X是样本的输入特征，也即为电网运行场景；输入特征：需要包含故障flt、电网运行状态x0、电网拓扑参数topo这三类电网信息；y是样本的输出；对典型电网运行场景的邻域进行采样，基于数值仿真生成样本。4.根据权利要求3所述的基于机器学习模型进行暂态电压安全分析方法，其特征在于，所述的基于数值仿真生成样本的方法为：准备工作：调研电网的典型故障flt、电网运行状态x0和电网拓扑参数topo；设定离线样本集规模N；步骤1：对flt、x0和topo进行组合得到初始运行场景集合步骤2：在基础上改变电网运行状态x0，进行数值仿真；
步骤3：计算仿真结果的TVSI指标，生成样本，把样本添加到离线样本集；步骤4：如果样本数量等于N，则终止计算；否则，转到步骤2。5.根据权利要求1所述的基于机器学习模型进行暂态电压安全分析方法，其特征在于，步骤一的(1.2)对样本聚类，使用凝聚层次聚类方法对样本集进行初步聚类，并观察聚类过程中相对合并距离与聚类数量之间的关系；如果某一步的相对合并距离突然增大，则说明不宜把样本聚成更少的簇，停止聚类，把此时的聚类数量记为c；然后使用k
‑
means算法对初步聚类结果进行调优，聚类数量k＝c；在样本聚类之后，得到多个子样本集，子样本集记为6.根据权利要求1所述的基于机器学习模型进行暂态电压安全分析方法，其特征在于，步骤二的(2.1)选择局域模型使用的机器学习模型中，机器学习的定义为：基于数据和假设空间使用算法计算得出接近目标f的假设g，其中是目标f的输入，是目标f的输出；与机器学习模型相关的部分包括假设空间和学习算法...

【专利技术属性】
技术研发人员：孙广辉，马斌，杨立波，李一鹏，栾士岩，贾亚飞，张少康，姜理源，李安昌，王亚军，栗维勋，袁龙，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：