【技术实现步骤摘要】
本专利技术涉及电力系统暂态稳定，尤其涉及一种基于两级注意力融合的dfig并网电力系统暂态稳定评估方法。
技术介绍
1、dfig因其风能转换率高、控制灵活且能实现有功和无功解耦控制，在风力发电系统中得到广泛应用，相比传统同步发电机，由变流器组主导的励磁过程使dfig在暂态过程表现出不同于传统同步发电机的响应特性。随着大规模dfig并网，电力系统暂态行为正发生显著变化，电力系统的强非线性特性日益突出，对安全稳定运行带来挑战。跟踪电网运行方式变化，对电网进行暂态稳定评估(transient stability as-sessment,tsa)是电力调度中保障系统安全稳定运行的重要措施。因此，有必要在dfig并网电力系统发生大扰动后，对电网进行快速准确的tsa，为紧急控制提供在线预警。
技术实现思路
1、为克服现有dfig并网电力系统发生大扰动后，缺乏快速准确的暂态稳定评估方法的技术缺陷，本专利技术提供了一种基于两级注意力融合的dfig并网电力系统暂态稳定评估方法，该方法可精确模拟并网dfig机组动态响应并快速准确实现dfig并网电力系统暂态稳定评估，以及为兼顾仿真准确性和快速性、现实生成dfig并网tsa模型训练所需大型数据集和在一定程度上揭示tsa模型内部工作决策过程。
2、本专利技术提供了基于两级注意力融合的dfig并网电力系统暂态稳定评估方法，包括如下步骤：
3、步骤s1：dfig并网混合仿真建模：
4、基于dfig的运行原理，采用电力系统实时数
5、步骤s2：构建基于两级注意力融合的dfig并网暂态稳定评估模型；
6、步骤s21：构造暂稳输入特征空间；
7、首先，进行暂稳特征选择，tri-rtds侧电磁暂态数据选择为dfig风电场输出有功、无功及dfig转子侧和网侧变流器pi控制环节的输入输出；tri-tsat侧机电暂态数据选择为系统中所有机组的电压幅值、有功、无功输出以及功角；
8、其次对电磁暂态和机电暂态的数据分别构建单通道和多通道两种堆叠方式的输入特征空间，以tri-tsat侧机电暂态数据为例，其中每一台发电机的电气信息分别包括发电机n在时刻k的电压有功功率和无功功率功角单通道堆叠方式为以发电机为单位，n台发电机的电气信息依次排列堆叠为一个二维单通道矩阵；多通道堆叠方式为多台机组的同一类特征量组合的二维矩阵在特征维度上堆叠为三维多通道矩阵；且tri-rtds侧电磁暂态数据堆叠方式同理；
9、步骤s22：构建一级注意力融合模型；
10、采用两个并列的transformer编码器架构分别提取时间维度暂稳态特征和特征维度暂稳态特征，然后对特征矩阵按权重进行拼接实现第一级注意力融合，之后通过全连接、softmax分类构建一级注意力融合模型，即一级af模型；一级af模型的核心为多头自注意力机制；
11、假设多头注意力层输入的暂稳特征矩阵为经过三个不同的线性变换矩阵wq、wk、wv将暂稳特征矩阵x映射到不同的空间，得到查询矩阵q，键矩阵k，值矩阵v，变换矩阵维度均为自注意力机制采用缩放点积注意力来计算特征矩阵的注意力值，多头自注意力是多个自注意力机制的拼接，多个自注意力头可同步学习不同表现子空间的信息，计算公式如下：
12、q,k,v＝xwq,xwk,xwv (1)
13、
14、headi＝attention(qi,ki,vi) (3)
15、multihead(q,k,v)＝concat(head1,...,headh)wo (4)
16、其中：dk为自注意力层的最后一个维度，经过的尺度放缩，能防止qkt内积过大导致梯度过低；h为注意力头数；
17、每个自注意力头所得注意力得分公式为因此，将transformer编码器应用于电力系统暂态稳定评估，不同的暂稳数据堆叠方式及不同维度排列顺序输入将得到不同的注意力得分权重矩阵；
18、当一级注意力融合模型为单通道数据输入时，若transformer编码器输入暂稳数据矩阵形状为(时间维数，特征维数)，则多头注意力层每个头所得注意力权重矩阵形状为(时间维数，时间维数)，代表所有暂稳特征量的不同时间步之间的注意力得分，将捕获所有暂稳特征量在前后时间步之间的相关性和依赖关系；若transformer输入暂稳数据矩阵形状为(特征维数，时间维数)，则所得注意力权重矩阵形状为(特征维数，特征维数)，代表不同暂稳特征时间序列之间的注意力得分，将捕获不同暂稳特征时间序列之间的相关性和依赖关系，反映暂态过程不同特征对暂态稳定评估的贡献度；
19、当一级注意力融合模型为多通道数据输入时，将多通道矩阵通过1×1卷积跨的通道交互和信息整合作用降维到单通道以实现原始高维电气特征信息的降维融合；若输入多通道数据矩阵形状为(特征维数，时间维数，机组数)，经1×1卷积在第一维度降维到单通道，若为提取机组注意力，对单通道矩阵转置后最终形状为(机组数，时间维数)，代表机组整体响应特征，最终通过多头自注意力层所得权重矩阵形状为(机组数，机组数)，代表暂态过程中不同机组之间的注意力得分，用于反映不同机组响应对暂态稳定评估的贡献度；
20、步骤s23：在一级注意力融合模型的基础上，构建二级注意力融合模型，其建模过程为：去除一级af模型的全连接层和softmax分类层，之后将两个一级af模型按照权重进行拼接融合实现第二级注意力融合，最后连接至用于提取融合特征的全连接层，以及用于暂稳分类的softmax分类层，构建得到基于两级注意力融合的dfig并网暂态稳定评估模型；
21、步骤s3、以混合仿真所得tri-tsat侧所有机组机电暂态数据和tri-rtds侧电磁暂态数据对为输入，以暂稳结果为输出，训练步骤s2构建的基于两级注意力融合的dfig并网暂态稳定评估模型，实现dfig并网电力系统暂态稳定评估。
22、本专利技术提供的技术方案与现有技术相比具有如下有益效果：
23、1)本专利技术采用多通道数据堆叠方式经注意力层可捕获不同机组响应对暂态稳定评估的献度，可有效解释机组层次特征对暂态稳定的影响以及深度学习模型对样本预测结果，提高暂态稳定评估结果可信度。
24、2)本发本文档来自技高网...
【技术保护点】
1.基于两级注意力融合的DFIG并网电力系统暂态稳定评估方法，其特征在于，包括如下步骤：
【技术特征摘要】
1.基于两级注意力融合的dfig并网电力系统...
【专利技术属性】
技术研发人员：秦文萍，李森良，宋子宁，朱志龙，逯瑞鹏，彭云枫，朱海啸，张永勤，
申请(专利权)人：太原理工大学，
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。