电力系统稳定控制模型构建方法、稳定控制方法及系统技术方案

本发明专利技术提供一种电力系统稳定控制模型构建方法、稳定控制方法及系统，分别构建电力系统的暂态稳定评估模型和稳定控制模型，并基于构建的暂态稳定评估模型对待评估暂态稳定信息的稳定状态进行评估；在稳定状态为暂态失稳状态时，将待评估暂态稳定信息输入稳定控制模型，以获取最佳预防控制策略。本发明专利技术基于人工智能技术，采用深度学习神经网络和强化学习结合，实现对电力系统暂态稳定快速分析和准确评估，并给出在失稳情况下最优预防控制策略，解决传统电力系统仿真技术在仿真速度和准确性需求，实现电力系统暂态稳定分析全过程解决。实现电力系统暂态稳定分析全过程解决。实现电力系统暂态稳定分析全过程解决。

【技术实现步骤摘要】
电力系统稳定控制模型构建方法、稳定控制方法及系统


[0001]本专利技术涉及电力系统安全
，更具体地，涉及一种电力系统稳定控制模型构建方法、稳定控制方法及系统。

技术介绍

[0002]随着电网特高压直流工程相继投运，特高压直流输电工程带来巨大效益的同时，也增加了电网运行的复杂性，使得电网运行风险和运行控制难度增大。大规模交直流电网的形成，多馈入直流间的相互影响和同时换相失败的问题突出。随着直流和新能源的快速发展，受端电网的受电比例不断增大，暂态电压稳定性可能进一步恶化，电网安全稳定风险将由目前大容量直流闭锁等故障引起的功角失稳，逐步向受端电网严重交流故障引发的暂态电压失稳转变，对交直流系统的安全稳定运行和控制提出了新的挑战，亟待提升电网安全稳定特性认知水平。电网仿真计算是认知电网特性的重要手段。然而，当前电力系统仿真技术在仿真速度上无法满足电网安全稳定分析的需求，已有的电力系统安全稳定分析仿真存在计算速度慢，分析方法单一，效率低等问题。因此，为保证电网安全稳定运行，亟需充分考虑电网特性，引入更先进的算法，提高计算速度，满足大量的电网复杂计算的需求，提高仿真计算工作效率。
[0003]近年来，人工智能技术作为一种综合性技术主要以高性能计算、机器及深度学习作为支撑技术，具备强大计算能力、丰富的训练样本、高质量的学习模型及算法，为提升电力系统暂态稳定分析提供有力技术支撑。

技术实现思路

[0004]本专利技术针对现有技术中存在的技术问题，提供一种电力系统稳定控制模型构建方法、稳定控制方法及系统。
[0005]根据本专利技术的第一方面，提供了一种电力系统稳定控制模型构建，包括：
[0006]获取第一训练样本集，所述第一训练样本集包括多个第一训练样本，所述第一训练样本包括暂态稳定信息和对应的稳定状态，所述稳定状态包括暂态稳定状态和暂态失稳状态；
[0007]基于所述第一训练样本集，对暂态稳定评估模型进行训练，获取训练后的暂态稳定评估模型；
[0008]获取第二训练样本集，所述第二训练样本集包括多个第二训练样本，所述第二训练样本包括暂态失稳状态下的暂态稳定信息和对应的预防控制策略；
[0009]基于训练后的所述暂态稳定评估模型和所述第二训练样本集，对稳定控制模型进行训练，获取训练后的稳定控制模型。
[0010]在上述技术方案的基础上，本专利技术还可以作出如下改进。
[0011]可选的，所述暂态稳定评估模型为CNN神经网络，所述暂态稳定评估模型包括输入层、隐藏层和输出层，所述隐藏层包括依次连接的3个卷积层、3和池化层和1个全连接层；
[0012]所述卷积层运算为其中V1为卷积层的输出，f(x)为卷积层采用的激活函数为Sigmoid函数，公式为：m为卷积层输入样本数量，“*”代表卷积运算，K
i
为卷积层第i个卷积窗权重，为卷积层第i个卷积窗偏置；
[0013]池化层运算为其中V2为池化层的输出；β
i
为池化层第i个池化窗权重；f
down
(x)为池化函数；为池化层第i个池化窗偏置；
[0014]全连接层运算为V3＝f(αV2+b3)，其中V3为池化层的输出；α为连接权重，b3为连接偏置。
[0015]可选的，所述暂态稳定评估模型的损失函数为交叉熵损失函数，公式如下：其中V
i
、V
′
i
分别是训练集中第i个样本的实际值和预测值。
[0016]可选的，还包括：
[0017]获取第一测试数据集，基于所述第一测试数据集对训练的暂态稳定评估模型的新型进行评估，如果所述暂态稳定评估模型的性能不满足要求，则调整所述暂态稳定评估模型的模型结构、卷机窗个数和大小，继续训练，直到训练后的暂态稳定评估模型的性能满足要求。
[0018]可选的，所述基于训练后的所述暂态稳定评估模型和所述第二训练样本集，对稳定控制模型进行训练，获取训练后的稳定控制模型，包括：
[0019]a、获取电力系统中所有的预防控制策略，构成预防控制策略集合；
[0020]b、为所述第二训练数据集中的暂态失稳状态下的任一条暂态稳定信息随机分配初始预防控制策略，并输入训练后的暂态稳定评估模型，以获取所述任一条暂态稳定信息的下一个稳定状态；
[0021]c、基于所述下一个稳定状态，再次从所述预防控制策略集合中选择一条预防控制策略，直到所述预防控制策略集合中所有的预防控制策略均被选择；
[0022]d、计算每一条预防控制策略对应的电力系统状态Q值，选择Q值最大的预防控制策略为所述任一条暂态稳定信息对应的预测预防控制策略。
[0023]可选的，所述d中计算每一条预防控制策略对应的电力系统状态Q值，包括：
[0024]基于Q网络计算电力系统状态Q值：
[0025]Q(S
t
，A
t
)＝R
t+1
+βmax(Q(S
t+1
，a))；
[0026]其中，S
t
为第t步电力系统稳定状态，S
t+1
为第t+1步电力系统稳定状态，A
t
为第t步选取的预防控制策略，a为下一步的所有预防控制策略，max取预防控制策略中最大的Q值，R为回报值，即下一步电力系统的稳定状态；β未来奖励衰减值。
[0027]可选的，所述d计算每一条预防控制策略对应的电力系统状态Q值，选择Q值最大的预防控制策略为所述任一条暂态稳定信息对应的预测预防控制策略，之后包括：
[0028]计算每一条暂态稳定信息对应的预测预防控制策略与实际预防控制策略的损失，基于损失调整所述Q网络的结构和超参数，继续训练，直到损失满足预设条件，获取训练后的Q网络。
[0029]根据本专利技术的第二方面，提供一种电力系统稳定控制方法，包括：
[0030]获取待评估暂态稳定信息，输入所述暂态稳定评估模型中，获取所述待评估暂态
稳定信息的稳定状态；
[0031]在所述稳定状态为暂态失稳状态时，将待评估暂态稳定信息输入所述稳定控制模型，以获取最佳预防控制策略。
[0032]根据本专利技术的第三方面，提供了一种电力系统稳定控制模型构建系统，包括：
[0033]第一获取模块，用于获取第一训练样本集，所述第一训练样本集包括多个第一训练样本，所述第一训练样本包括暂态稳定信息和对应的稳定状态，所述稳定状态包括暂态稳定状态和暂态失稳状态；
[0034]第一训练模块，用于基于所述第一训练样本集，对暂态稳定评估模型进行训练，获取训练后的暂态稳定评估模型；
[0035]第二获取模块，用于获取第二训练样本集，所述第二训练样本集包括多个第二训练样本，所述第二训练样本包括暂态失稳状态下的暂态稳定信息和对应的预防控制策略；
[0036]第二训练模块，用于基于训练后的所述暂态稳定评估模型和所述第二训练样本集，对稳定控制模型进行训练，获取训练后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力系统稳定控制模型构建方法，其特征在于，包括：获取第一训练样本集，所述第一训练样本集包括多个第一训练样本，所述第一训练样本包括暂态稳定信息和对应的稳定状态，所述稳定状态包括暂态稳定状态和暂态失稳状态；基于所述第一训练样本集，对暂态稳定评估模型进行训练，获取训练后的暂态稳定评估模型；获取第二训练样本集，所述第二训练样本集包括多个第二训练样本，所述第二训练样本包括暂态失稳状态下的暂态稳定信息和对应的预防控制策略；基于训练后的所述暂态稳定评估模型和所述第二训练样本集，对稳定控制模型进行训练，获取训练后的稳定控制模型。2.根据权利要求1所述的构建方法，其特征在于，所述暂态稳定评估模型为CNN神经网络，所述暂态稳定评估模型包括输入层、隐藏层和输出层，所述隐藏层包括依次连接的3个卷积层、3和池化层和1个全连接层；所述卷积层运算为其中V1为卷积层的输出，f(x)为卷积层采用的激活函数为Sigmoid函数，公式为：m为卷积层输入样本数量，“*”代表卷积运算，K
i
为卷积层第i个卷积窗权重，为卷积层第i个卷积窗偏置；池化层运算为其中V2为池化层的输出；β
i
为池化层第i个池化窗权重；f
down
(x)为池化函数；为池化层第i个池化窗偏置；全连接层运算为V3＝f(αV2+b3)，其中V3为池化层的输出；α为连接权重，b3为连接偏置。3.根据权利要求1所述的构建方法，其特征在于，所述暂态稳定评估模型的损失函数为交叉熵损失函数，公式如下：其中V
i
、V
i
′
分别是训练集中第i个样本的实际值和预测值。4.根据权利要求1所述的构建方法，其特征在于，还包括：获取第一测试数据集，基于所述第一测试数据集对训练的暂态稳定评估模型的新型进行评估，如果所述暂态稳定评估模型的性能不满足要求，则调整所述暂态稳定评估模型的模型结构、卷机窗个数和大小，继续训练，直到训练后的暂态稳定评估模型的性能满足要求。5.根据权利要求1所述的构建方法，其特征在于，所述基于训练后的所述暂态稳定评估模型和所述第二训练样本集，对稳定控制模型进行训练，获取训练后的稳定控制模型，包括：a、获取电力系统中所有的预防控制策略，构成预防控制策略集合；b、为所述第二训练数据集中的暂态失稳状态下的任一条暂态稳定信息随机分配初始预防控制策略，并输入训练后的暂态稳定评估模型，以获取所述任一条暂态稳定信息的下一个稳定状态；c、基于所述下一个稳定状态，再次从所述预防控制策略集合中选择一条预防控制策略，直到所述预防控制策略集合中所有的预防控制策略均被选择；
d...

【专利技术属性】
技术研发人员：党杰，王莹，周良松，李锋，奚江惠，姚占东，杨铮，潘晓杰，苏仁斌，唐晓骏，张星，陈佳，余笑东，袁鹏，赵雄光，余旸，吕鹏，任华，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：