【技术实现步骤摘要】
电力系统受扰轨迹筛选方法、装置、电子设备和存储介质
[0001]本专利技术涉及电力
，尤其涉及一种电力系统受扰轨迹筛选方法、装置、电子设备和存储介质。
技术介绍
[0002]在电力系统的运行分析中，快速准确的暂态稳定分析是电力系统实时决策紧急控制系统的基础。
[0003]现有技术中，利用深度学习的方法对电力系统运行特征与暂态稳定之间的相关性进行建模，并以此构建了基于受扰轨迹的暂态稳定评估模型。得益于深度学习强大的特征变换能力，给定系统特征，模型对原始特征空间进行逐层变换和抽象，抽取出系统暂稳相关特征表达，进而生成模型输出。
[0004]但是，现有技术中的深度学习方法类似于“黑箱”的特点，使得运行人员无法获知受扰轨迹与暂态稳定评估模型输出之间的关系，无法快速定位系统中的关键受扰轨迹。
技术实现思路
[0005]针对现有技术存在的问题，本专利技术提供一种电力系统受扰轨迹筛选方法、装置、电子设备和存储介质。
[0006]本专利技术提供一种电力系统受扰轨迹筛选方法，包括：
[0007]获取输入至电力系统暂态稳定评估模型的受扰轨迹集合；所述暂态稳定评估模型用于建立电力系统运行特征与系统暂态稳定特征之间的相关性；所述受扰轨迹集合指预想故障后系统发生暂态失稳时所对应的输入至所述暂态稳定评估模型的两个以上输入轨迹的二维矩阵；
[0008]确定预先获取的模型训练集中与所述受扰轨迹集合距离最近、且为暂态稳定的样本点，确定用以连接所述样本点和所述受扰轨迹集合的参数曲线；>[0009]根据所述参数曲线、所述暂态稳定评估模型输出的系统暂态稳定特征，确定所述受扰轨迹集合中各个输入轨迹的重要性指标；所述重要性指标用以表征当所述暂态稳定评估模型的输入从样本点变化为所述受扰轨迹集合时，所述受扰轨迹集合中各个输入轨迹对于所述暂态稳定评估模型的输出变化的贡献大小；
[0010]分别对所述受扰轨迹集合中同类别的输入轨迹按照重要性指标由大到小的顺序进行排序，将每一类别输入轨迹中排名靠前的指定数量的输入轨迹确定为对应类别的关键受扰轨迹。
[0011]根据本专利技术提供的一种电力系统受扰轨迹筛选方法，所述根据所述参数曲线、所述暂态稳定评估模型输出的系统暂态稳定特征，确定所述受扰轨迹集合中各个输入轨迹的重要性指标，包括：
[0012]基于所述参数曲线、所述暂态稳定评估模型输出的系统暂态稳定特征，确定所述系统暂态稳定特征关于所述受扰轨迹集合的积分梯度结果矩阵；
[0013]根据所述积分梯度结果矩阵，确定所述受扰轨迹集合中各个输入轨迹的重要性指标。
[0014]根据本专利技术提供的一种电力系统受扰轨迹筛选方法，所述根据所述积分梯度结果矩阵，确定所述受扰轨迹集合中各个输入轨迹的重要性指标，包括：
[0015]对所述积分梯度结果矩阵的各行求和，得到所述受扰轨迹集合中各个输入轨迹的重要性指标。
[0016]根据本专利技术提供的一种电力系统受扰轨迹筛选方法，所述参数曲线的两个端点为所述样本点和所述受扰轨迹集合。
[0017]根据本专利技术提供的一种电力系统受扰轨迹筛选方法，所述获取输入至电力系统暂态稳定评估模型的受扰轨迹集合，包括：获取输入至所述暂态稳定评估模型的两个以上的受扰轨迹集合；
[0018]所述分别对所述受扰轨迹集合中同类别的输入轨迹按照重要性指标由大到小的顺序进行排序，将每一类别输入轨迹中排名靠前的指定数量的输入轨迹确定为对应类别的关键受扰轨迹，包括：
[0019]分别对各所述受扰轨迹集合中各个输入轨迹的重要性指标进行归一化计算，得到各所述受扰轨迹集合中各个输入轨迹的重要性指标的归一化结果；
[0020]分别对各所述受扰轨迹集合中同一行输入轨迹的重要性指标的归一化结果进行平均计算，得到各所述受扰轨迹集合中各行输入轨迹的重要性指标的归一化结果的平均结果；
[0021]按照所述各所述受扰轨迹集合中各行输入轨迹的重要性指标的归一化结果的平均结果由大到小的顺序，分别对各所述受扰轨迹集合的各行输入轨迹中同类别的输入轨迹进行排序，将每一类别输入轨迹中排名靠前的指定数量的输入轨迹确定为对应类别的关键受扰轨迹。
[0022]根据本专利技术提供的一种电力系统受扰轨迹筛选方法，所述系统暂态稳定特征包括以下任一个指标或组合：暂态稳定性，预想故障后系统维持暂态稳定的暂态过程最大功角差，预想故障后系统发生暂态失稳的暂态失稳时间。
[0023]根据本专利技术提供的一种电力系统受扰轨迹筛选方法，所述输入轨迹包括以下任一个类别或组合：线路潮流曲线、节点电压曲线、发电机功角曲线。
[0024]本专利技术还提供一种电力系统受扰轨迹筛选装置，包括：
[0025]获取单元，用于获取输入至电力系统暂态稳定评估模型的受扰轨迹集合；所述暂态稳定评估模型用于建立电力系统运行特征与系统暂态稳定特征之间的相关性；所述受扰轨迹集合指预想故障后系统发生暂态失稳时所对应的输入至所述暂态稳定评估模型的两个以上输入轨迹的二维矩阵；
[0026]第一确定单元，用于确定预先获取的模型训练集中与所述受扰轨迹集合距离最近、且为暂态稳定的样本点，确定用以连接所述样本点和所述受扰轨迹集合的参数曲线；
[0027]第二确定单元，用于根据所述参数曲线、所述暂态稳定评估模型输出的系统暂态稳定特征，确定所述受扰轨迹集合中各个输入轨迹的重要性指标；所述重要性指标用以表征当所述暂态稳定评估模型的输入从样本点变化为所述受扰轨迹集合时，所述受扰轨迹集合中各个输入轨迹对于所述暂态稳定评估模型的输出变化的贡献大小；
[0028]排序单元，用于分别对所述受扰轨迹集合中同类别的输入轨迹按照重要性指标由大到小的顺序进行排序，将每一类别输入轨迹中排名靠前的指定数量的输入轨迹确定为对应类别的关键受扰轨迹。
[0029]本专利技术还提供一种电子设备，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程序时实现如上述任一种所述电力系统受扰轨迹筛选方法的步骤。
[0030]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述电力系统受扰轨迹筛选方法的步骤。
[0031]本专利技术提供的电力系统受扰轨迹筛选方法、装置、电子设备和存储介质，通过将模型训练集中与受扰轨迹集合距离最近、且为暂态稳定的样本点作为参考点，使得连接参考点和受扰轨迹集合的参数曲线穿过暂态稳定与暂态失稳的预测分类面，进而根据参数曲线和系统暂态稳定特征计算得到的各个输入轨迹的重要性指标可理解为将一个离当前点最近的暂态稳定样例移动到位于暂态失稳空间的当前点时，各个输入轨迹对暂态稳定性的改变做出的贡献大小，显然重要性指标较高的受扰轨迹与系统暂态稳定特征相关性强，从而实现快速定位输入至电力系统暂态稳定评估模型的关键受扰轨迹，能够辅助电力系统暂态稳定紧急控制决策的生成，克服了现有技术中的深度学习方法所存在的“黑箱”缺点。
附图说明
[0032]为了本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电力系统受扰轨迹筛选方法，其特征在于，包括：获取输入至电力系统暂态稳定评估模型的受扰轨迹集合；所述暂态稳定评估模型用于建立电力系统运行特征与系统暂态稳定特征之间的相关性；所述受扰轨迹集合指预想故障后系统发生暂态失稳时所对应的输入至所述暂态稳定评估模型的两个以上输入轨迹的二维矩阵；确定预先获取的模型训练集中与所述受扰轨迹集合距离最近、且为暂态稳定的样本点，确定用以连接所述样本点和所述受扰轨迹集合的参数曲线；根据所述参数曲线和所述暂态稳定评估模型输出的系统暂态稳定特征，确定所述受扰轨迹集合中各个输入轨迹的重要性指标；所述重要性指标用以表征当所述暂态稳定评估模型的输入从样本点变化为所述受扰轨迹集合时，所述受扰轨迹集合中各个输入轨迹对于所述暂态稳定评估模型的输出变化的贡献大小；分别对所述受扰轨迹集合中同类别的输入轨迹按照重要性指标由大到小的顺序进行排序，将每一类别输入轨迹中排名靠前的指定数量的输入轨迹确定为对应类别的关键受扰轨迹。2.根据权利要求1所述的电力系统受扰轨迹筛选方法，其特征在于，所述根据所述参数曲线和所述暂态稳定评估模型输出的系统暂态稳定特征，确定所述受扰轨迹集合中各个输入轨迹的重要性指标，包括：基于所述参数曲线和所述暂态稳定评估模型输出的系统暂态稳定特征，确定所述系统暂态稳定特征关于所述受扰轨迹集合的积分梯度结果矩阵；根据所述积分梯度结果矩阵，确定所述受扰轨迹集合中各个输入轨迹的重要性指标。3.根据权利要求2所述的电力系统受扰轨迹筛选方法，其特征在于，所述根据所述积分梯度结果矩阵，确定所述受扰轨迹集合中各个输入轨迹的重要性指标，包括：对所述积分梯度结果矩阵的各行求和，得到所述受扰轨迹集合中各个输入轨迹的重要性指标。4.根据权利要求1所述的电力系统受扰轨迹筛选方法，其特征在于，所述参数曲线的两个端点为所述样本点和所述受扰轨迹集合。5.根据权利要求1所述的电力系统受扰轨迹筛选方法，其特征在于，所述获取输入至电力系统暂态稳定评估模型的受扰轨迹集合，包括：获取输入至所述暂态稳定评估模型的两个以上的受扰轨迹集合；所述分别对所述受扰轨迹集合中同类别的输入轨迹按照重要性指标由大到小的顺序进行排序，将每一类别输入轨迹中排名靠前的指定数量的输入轨迹确定为对应类别的关键受扰轨迹，包括：分别对各所述受扰轨迹集合中各个输入轨迹的重要性指标进行归一化计算，得到各所述受扰轨迹集合中各个输入轨迹的重要性指标的归...
【专利技术属性】
技术研发人员：陈颖，关慧哲，肖谭南，黄少伟，沈沉，
申请(专利权)人：清华大学，
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。