【技术实现步骤摘要】
本专利技术涉及电力系统自动化，具体涉及一种自监督数据联系表征学习的电力系统暂态稳定评估方法。
技术介绍
1、伴随着电网已进入高速发展的阶段，且现代电力系统因新能源接入比例增高、物理信息融合和复杂互联等新特征而面临更大的暂态稳定性评估(transient stabilityassessment，tsa)挑战。为确保电力系统的稳定和安全运行，有效且及时的稳定性分析显得尤为重要。然而，传统的稳定性分析方法，如时域仿真法和直接法等，虽然可以在预测精度上达到较高的精度，但是其在速度、有效性和经济性方面存在不足。面对现如今越来越复杂的电力系统，传统的稳定性分析方法无法满足实时计算的需求。近年来，新兴的人工智能技术为电力系统的稳定性分析提供了强大的工具。在人工智能算法中，深度神经网络强大的非线性拟合能力使得其可以实现不依赖于模型仿真分析的暂态稳定性在线分析。
2、尽管基于监督学习的深度神经网络可以从大量的样本中学习到电力系统运行数据与稳定性的映射关系，但是其预测精度受数据集数量和质量的限制。带有标签的电力系统暂态稳定性样本难以获取的问题，...
【技术保护点】
1.一种自监督数据联系表征学习的电力系统暂态稳定评估方法，其特征在于，包括：
2.根据权利要求1所述自监督数据联系表征学习的电力系统暂态稳定评估方法，其特征在于，在所述对电力系统进行时域仿真的步骤中，通过设置不同的故障类型、故障位置、故障时长以及负荷情况进行时域仿真，每隔设定时间采集一次电力系统的仿真数据，所述电力系统的仿真数据包括电力系统的母线电压幅值、相角以及输电线路的有功、无功潮流数据。
3.根据权利要求2所述自监督数据联系表征学习的电力系统暂态稳定评估方法，其特征在于，所述对所采集到的数据进行预处理，得到自监督训练数据集和监督训练数据集...
【技术特征摘要】
1.一种自监督数据联系表征学习的电力系统暂态稳定评估方法，其特征在于，包括：
2.根据权利要求1所述自监督数据联系表征学习的电力系统暂态稳定评估方法，其特征在于，在所述对电力系统进行时域仿真的步骤中，通过设置不同的故障类型、故障位置、故障时长以及负荷情况进行时域仿真，每隔设定时间采集一次电力系统的仿真数据，所述电力系统的仿真数据包括电力系统的母线电压幅值、相角以及输电线路的有功、无功潮流数据。
3.根据权利要求2所述自监督数据联系表征学习的电力系统暂态稳定评估方法，其特征在于，所述对所采集到的数据进行预处理，得到自监督训练数据集和监督训练数据集的步骤中，构建所述自监督训练数据集时，对所采集到的系统故障时及故障之前设定时间的数据进行去量纲的min-max标准化操作，生成标准化的电力系统暂态稳定过程时序数据，得到自监督训练数据集；
4.根据权利要求3所述自监督数据联系表征学习的电力系统暂态稳定评估方法，其特征在于，所述构建基于自监督数据联系表征学习的自监督模型与暂态稳定评估模型的步骤包括，以encoder-decoder架构分别构...
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。