【技术实现步骤摘要】
基于可解释图神经网络的电网暂态失稳定位方法和系统
[0001]本专利技术属于电网暂态失稳定位和图神经网络子图可解释领域,涉及一种电网暂态失稳定位方法。根据电网中各个器件的属性和器件间的拓扑关系建立图数据,在判别电力系统暂态稳定情况的基础上,通过图神经网络可解释方法定位电网暂态失稳子结构。本专利技术将电网数据处理为图结构数据,在现有的图神经网络可解释方法的基础上,充分考虑图结构信息和图属性信息,构建事前可解释图分类神经网络,提出了一种可用于电网暂态失稳子结构定位的子图级事前可解释的图神经网络方法和系统。
技术介绍
[0002]电力系统的暂态稳定性通常是指在电力系统受到大干扰后,各同步发电机保持同步运行并过渡到新的或恢复到原来稳态运行状态的能力。暂态稳定研究的是电力系统在某一运行状态下受到较大干扰时的稳定性问题。电力系统的暂态不稳定可能会导致灾难性的事件,如大规模停电和级联故障等。因此,当电力系统遭遇暂态稳定故障后,快速、准确的进行暂态稳定评估以及精确定位出造成暂态失稳的区域是确保电力系统安全稳定运行的重要保障。
[0003]暂态稳定评估可用于预测在连续扰动下的电力系统的稳定性,并利用评估结果触发发电机跳闸和减载等应急控制动作,对防止不稳定传播具有重要意义。采用时域仿真方法求解一组高维非线性微分代数方程,是目前最常用的稳定性评价方法之一。但是该仿真方法计算量大,往往难以满足在线计算的需要,这使得暂态稳定仿真在实际应用环节受到限制。此外,该仿真方法并不能帮助人们定位出造成电网暂态失稳的电网子区域。因此,电网暂态失稳 ...
【技术保护点】
【技术特征摘要】
1.一种基于可解释图神经网络的电网暂态失稳定位方法,包含如下步骤:步骤1.通过时域仿真获取每个电网数据的暂稳标签,将不同暂稳状态的电网数据转化为图结构数据以获得图结构的电网暂稳样本数据集;步骤2.采用第一图卷积神经网络计算电网暂稳样本数据集中的电网数据中的每个节点的嵌入,生成中间节点嵌入矩阵;步骤3.针对图结构的电网暂稳样本数据集中的电网数据中的每条边,根据边两侧节点的中间节点嵌入和电网暂稳样本数据集中的电网数据自身的结构信息获得每条边的边采样权重;步骤4.根据边采样权重进行采样解释子图,将采样的解释子图表示为采样掩码矩阵,对于电网暂稳样本数据集中的暂态失稳数据将采样解释子图作为导致电网暂态失稳的子结构;步骤5.通过采样掩码矩阵约束电网暂稳样本数据集中的电网数据的拓扑结构获得新的拓扑结构邻接矩阵,将新的拓扑结构邻接矩阵和步骤2中的中间节点嵌入矩阵放入第二图卷积神经网络获取最终节点嵌入,将最终节点嵌入放入分类器中获得电网稳态类别结果;步骤6.计算电网暂态类别结果和电网暂稳样本数据集中的电网暂稳样本数据标签之间的损失,将该损失反向传播,调整步骤2中的第一图卷积神经网络的参数和步骤5中第二图卷积神经网络和分类器的参数,并重复步骤2
‑
步骤6,直到该损失趋于稳定。2.如权利要求1所述的基于可解释图神经网络的电网暂态失稳定位方法,其特征在于:步骤1包括:首先获取电力系统的拓扑结构,然后通过修改电网负荷水平、电压值、线路故障类型、线路故障位置、电路元件故障的参数,之后进行时域仿真并根据仿真结果获得收敛的电网数据样本;经过多次迭代后获得具有暂稳状态标签的电网暂稳数据;将这些电网数据建模成为图结构数据以构成电网暂稳样本数据集,数据集中除电网数据是否稳定的暂稳标签
‘0’
和
‘1’
外,还包含电网暂态失稳子结构的标识。3.如权利要求1所述的基于可解释图神经网络的电网暂态失稳定位方法,其特征在于:步骤2具体包括:一个图结构的电网暂稳样本数据被定义为s=(A,X),其中A是包含n个节点的邻接矩阵,X是n个节点的特征矩阵;然后,采用第一图卷积神经网络学习电网图数据中每个节点的嵌入,针对输入数据s=(A,X),第一图卷积神经网络计算过程如下:其中I
n
是单位矩阵,是对角度数矩阵,矩阵的第i个对角元素为表示矩阵的第i行第j列元素,W
l+1
是可训练权重矩阵,σ是ReLU函数,H
l
是经过l步计算之后的节点嵌入矩阵;使用节点特征矩阵X作为初始化输入节点嵌入矩阵H0,在经过l次迭代计算之后,第一图卷积神经网络能生成中间节点嵌入矩阵Z=H
l
。4.如权利要求1所述的基于可解释图神经网络的电网暂态失稳定位方法,其特征在于:步骤3所述的获得边采样权重包括:在拓扑结构中相连的两节点之间的边采样权重主要由两部分构成,分别是节点特征相
似度和节点局部拓扑结构相似度,给定边e,其两侧节点分别为e
a
和e
b
;3.1计算节点特征相似度;经过步骤2中第一图卷积神经网络的预处理,对于每个节点均可以获得一个多维的中间节点嵌入;使用Frobenius内积来计算节点之间的特征相似性,计算方法如下:s
node
=Frobenius(X
a
,X
b
),
ꢀꢀꢀꢀ
(2)其中,X
a
和X
b
分别表示两节点e
a
和e
b
的中间节点嵌入,Frobenius()为Frobenius内积计算函数;3.2计算局部拓扑结构相似度;对于两节点e
a
和e
b
,分别寻找以每一节点为中心的k
‑
hop子图,并以邻接矩阵的形式表示;通过计算邻接矩阵之间的相似度来表征两节点k
‑
hop子图之间的相似度,进而得到两节点局部拓扑结构的相似度,计算方法如下:其中,A
a
和A
b
分别表示为两节点k
‑
hop子图的邻接矩阵表示,是范数运算,sum()是求和运算;3.3将两部分的相似度结合,得到最终的边采样权重,计算如下:w=s
k
‑
hop
(e
a
,e
b
)+λs
node
(e
a
,e
b
),
ꢀꢀꢀꢀꢀ
(4)其中λ控制两个相似度的比重,...
【专利技术属性】
技术研发人员:宋明黎,李文达,陈凯旋,刘顺宇,汪雨雯,苏运,田英杰,
申请(专利权)人:国网上海市电力公司,
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。