【技术实现步骤摘要】
本专利技术属于电力系统，涉及一种大扰动后电力系统功角轨迹快速预测及暂态稳定性评估技术，尤其涉及一种基于物理信息神经网络的电力系统受扰轨迹预测方法。
技术介绍
1、暂态功角稳定是电力安全的重要组成部分。现有的暂态稳定评估方法主要分为两大类，一类是基于物理知识的机理方法，另一类是以机器学习为代表的数据驱动方法。机理方法主要包括时域仿真法和能量函数法。前者通过数值求解一组高维非线性微分代数方程以导出功角轨迹，结论可信度高但极度耗时；后者基于李雅普诺夫稳定性理论构造能量函数，然而现有理论已证明精确的能量函数是路径依赖的，即其数值求解的前提是受扰轨迹已知。数据驱动方法通常基于实际运行或仿真模拟数据离线训练机器学习模型(如神经网络，支持向量机等)。训练良好的模型可在在线环节快速推断，然而缺乏机理性解释和固有的训练、泛化误差阻碍其推广应用。
技术实现思路
1、本专利技术所要解决的技术问题是克服上述现有技术存在的不足，提供一种基于物理信息神经网络的电力系统受扰轨迹预测方法。
2、为此，本专利技术采用如下的技术方案：
3、一种基于物理信息神经网络的电力系统受扰轨迹预测方法，具体为：
4、获取包含受扰的电力系统轨迹并输入至训练好的基于物理信息神经网络，输出获得电力系统受扰轨迹的预测结果；其中，所述电力系统轨迹由若干时间步对应的电力系统状态变量构成；所述训练好的基于物理信息神经网络通过如下方法训练获得：
5、构建训练数据集，所述训练数据集的每一样本包含对应
6、构建基于物理信息神经网络结构，并基于训练数据集，以包含受扰的电力系统轨迹作为输入，电力系统受扰轨迹的预测结果作为输出，通过最小化以电力系统微分代数方程为基准构造的物理知情损失函数进行训练，获得训练好的基于物理信息神经网络；所述物理知情损失函数包括电力系统受扰轨迹的预测结果与电力系统受扰轨迹真值的误差和基于电力系统受扰轨迹的预测结果计算得到的梯度与电力系统受扰轨迹梯度真值的误差。
7、进一步地，所述电力系统状态变量为发电机相角、转速、暂态电势、亚暂态电势 、励磁系统状态变量、电力系统稳定器状态变量中的一种或多种。
8、进一步地，基于物理信息神经网络的结构为多层感知器。
9、进一步地，所述电力系统微分代数方程包括微分方程和代数方程，其中，微分方程主要包括发电机转子运动摇摆方程、励磁方程、调速系统动态方程；代数方程主要包括电力网络方程、发电机定子方程。
10、进一步地，所述训练数据集的每一样本通过如下方法获得：
11、通过蒙特卡罗法模拟实际工况中的随机暂态扰动，并通过数值积分法联立求解电力系统微分代数方程，以得到对应的包含受扰的电力系统轨迹、电力系统受扰轨迹真值和电力系统受扰轨迹梯度真值作为一个样本。
12、进一步地，所述随机暂态扰动包含负荷波动和三相短路故障，负荷波动服从均匀分布。
13、一种基于物理信息神经网络的电力系统受扰轨迹预测系统，用于实现所述一种基于物理信息神经网络的电力系统受扰轨迹预测方法，所述系统包括：
14、预测模块，用于获取包含受扰的电力系统轨迹并输入至训练好的基于物理信息神经网络，获得电力系统受扰轨迹的预测结果。
15、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的一种基于物理信息神经网络的电力系统受扰轨迹预测方法。
16、一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时实现所述的一种基于物理信息神经网络的电力系统受扰轨迹预测方法。
17、一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现所述的一种基于物理信息神经网络的电力系统受扰轨迹预测方法的步骤。
18、本专利技术的有益效果是：本专利技术同时利用了数据驱动方法的快速性和机理性方法的强可解释性，利用电力系统的物理机理指导数据驱动的神经网络的训练过程，实现快速、准确的受扰轨迹预测与暂态稳定评估。
本文档来自技高网...【技术保护点】
1.一种基于物理信息神经网络的电力系统受扰轨迹预测方法，其特征在于，具体为：
2.根据权利要求1所述的方法，其特征在于，所述电力系统状态变量为发电机相角、转速、暂态电势、亚暂态电势、励磁系统状态变量、电力系统稳定器状态变量中的一种或多种。
3.根据权利要求1所述的方法，其特征在于，基于物理信息神经网络的结构为多层感知器。
4.根据权利要求1所述的方法，其特征在于，所述电力系统微分代数方程包括微分方程和代数方程，其中，微分方程主要包括发电机转子运动摇摆方程、励磁方程、调速系统动态方程；代数方程主要包括电力网络方程、发电机定子方程。
5.根据权利要求1所述的方法，其特征在于，所述训练数据集的每一样本通过如下方法获得：
6.根据权利要求5所述的方法，其特征在于，所述随机暂态扰动包含负荷波动和三相短路故障，负荷波动服从均匀分布。
7.一种基于物理信息神经网络的电力系统受扰轨迹预测系统，其特征在于，用于实现权利要求1-6任一项所述一种基于物理信息神经网络的电力系统受扰轨迹预测方法，所述系统包括：
8.一种电
9.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时实现如权利要求1-6任一项所述的一种基于物理信息神经网络的电力系统受扰轨迹预测方法。
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-6任一项所述的一种基于物理信息神经网络的电力系统受扰轨迹预测方法的步骤。
...【技术特征摘要】
1.一种基于物理信息神经网络的电力系统受扰轨迹预测方法，其特征在于，具体为：
2.根据权利要求1所述的方法，其特征在于，所述电力系统状态变量为发电机相角、转速、暂态电势、亚暂态电势、励磁系统状态变量、电力系统稳定器状态变量中的一种或多种。
3.根据权利要求1所述的方法，其特征在于，基于物理信息神经网络的结构为多层感知器。
4.根据权利要求1所述的方法，其特征在于，所述电力系统微分代数方程包括微分方程和代数方程，其中，微分方程主要包括发电机转子运动摇摆方程、励磁方程、调速系统动态方程；代数方程主要包括电力网络方程、发电机定子方程。
5.根据权利要求1所述的方法，其特征在于，所述训练数据集的每一样本通过如下方法获得：
6.根据权利要求5所述的方法，其特征在于，所述随机暂态扰动包含负荷波动和三相短路故障，负荷波动服从均匀...
【专利技术属性】
技术研发人员：周永智，朱禹泓，夏杨红，韦巍，辛焕海，
申请(专利权)人：浙江大学，
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。