【技术实现步骤摘要】
本专利技术属于分布式电网协同控制领域，尤其涉及一种电力系统暂态频率稳定性预测方法、系统、介质及设备。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、当面对大量新能源发电机接入电网时，根据电力系统中的电气属性，精确预测电力系统暂态频率稳定性，及时发现潜在风险，对于保证系统的稳定性显得尤为重要。目前电力系统暂态频率稳定性预测方法主要分为：时域仿真法、等值模型法和人工智能法。时域仿真法通过求解高阶非线性微分的系统动态方程计算扰动后的频率曲线，精度高但计算效率低，难以满足在线预测的需求。等值模型法对系统进行单机等值，提升了计算效率，但计算精度低。相比于以上方法，人工智能法，特别是机器学习和深度学习技术，兼顾了计算效率和预测性能。例如，支持向量机、随机森林算法等传统机器学习方法已较好地预测电力系统受扰动后的频率响应。现有的基于深度学习的暂态频率稳定性预测方法取得显著成果，但仍存在以下局限：
3、1）现有方法在提取空间特征时，通常将电力系统中发电机的属性(例如，电磁功率、机械功率等)拼接作为电机的特征，并使用电力系统中发电机间的实际物理拓扑关系来构建邻接矩阵。随后，采用神经网络模型建模电力系统中所有发电机之间的关联关系。然而，在不同属性参照下的各发电机之间的潜在关联关系通常是不同的。
4、2）现有方法在选取暂态频率预测模型输入特征时，忽略了系统惯性中心(centerof inertia，coi)频率在暂态频率稳定性预测中的重要潜能。但历史时刻的系统coi频
5、3）现有方法在特征增强时，未考虑先验物理知识进行分组特征增强。
6、以上问题使得模型未能深入挖掘电力系统的时空特征及各电气属性特征之间的交互作用，从而影响其预测准确率。
技术实现思路
1、为了解决上述现有技术未能深入挖掘电力系统的时空特征及各电气属性特征之间的交互作用而影响预测准确率的问题，本专利技术提供一种电力系统暂态频率稳定性预测方法、系统、介质及设备，其能够在处理具有复杂空间依赖性的数据时，有效提取电力系统的空间特征以实现正确预测电力系统稳定性。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、本专利技术的第一个方面提供了一种电力系统暂态频率稳定性预测方法。
4、在一个或多个实施例中，提供了一种电力系统暂态频率稳定性预测方法，包括：
5、获取电力系统扰动前后的电气属性序列；
6、将每种电气属性序列独立处理，多路并行提取电力系统扰动前后的电气属性序列的时空特征，得到原始时空特征；
7、将提取的原始时空特征分成直接相关属性特征和间接相关属性特征这两组，对两组时空特征分别与系统惯性中心频率进行融合来分组增强，对应得到直接相关属性增强特征和间接相关属性增强特征；
8、将直接相关属性增强特征和间接相关属性增强特征与原始时空特征进行拼接融合，得到电力系统表征；
9、根据电力系统表征与电力系统暂态频率稳定性的关联关系，得到电力系统暂态频率稳定性预测结果。
10、本专利技术的第二个方面提供了一种电力系统暂态频率稳定性预测系统。
11、在一个或多个实施例中，一种电力系统暂态频率稳定性预测系统，包括：
12、电气属性序列获取模块，其用于获取电力系统扰动前后的电气属性序列；
13、时空特征并行提取模块，其用于将每种电气属性序列独立处理，多路并行提取电力系统扰动前后的电气属性序列的时空特征，得到原始时空特征；
14、属性增强特征生成模块，其用于将提取的原始时空特征分成直接相关属性特征和间接相关属性特征这两组，对两组时空特征分别与系统惯性中心频率进行融合来分组增强，对应得到直接相关属性增强特征和间接相关属性增强特征；
15、电力系统表征模块，其用于将直接相关属性增强特征和间接相关属性增强特征与原始时空特征进行拼接融合，得到电力系统表征；
16、稳定性预测模块，其用于根据电力系统表征与电力系统暂态频率稳定性的关联关系，得到电力系统暂态频率稳定性预测结果。
17、本专利技术的第三个方面提供了一种计算机可读存储介质。
18、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的电力系统暂态频率稳定性预测方法中的步骤。
19、本专利技术的第四个方面提供了一种电子设备。
20、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所述的电力系统暂态频率稳定性预测方法中的步骤。
21、与现有技术相比，本专利技术的有益效果是：
22、（1）本专利技术按照电气属性序列的种类，对电力系统扰动前后的每一种电气属性序列进行独立处理，多路并行提取电力系统扰动前后的电气属性序列的时空特征，学习到各发电机之间不同的相互影响关系，使得本专利技术在处理具有复杂空间依赖性的数据时，能够有效提取电力系统的空间特征以实现正确预测电力系统稳定性。
23、（2）本专利技术将提取的原始时空特征进行分组，还引入了系统惯性中心频率这一全局量，充分挖掘了电力系统中各电机在不同属性参照下的潜在关联关系，来增强电力系统的动态表征，实现了更加精细地理解系统惯性中心频率与电力系统暂态频率稳定性特征之间的关联关系，并结合时空特征实现了暂态频率稳定性预测。
本文档来自技高网...【技术保护点】
1.一种电力系统暂态频率稳定性预测方法，其特征在于，包括：
2.如权利要求1所述的电力系统暂态频率稳定性预测方法，其特征在于，电力系统扰动前后的电气属性序列包括机械功率、电磁功率、转子角速度、无功功率和功角这五种。
3.如权利要求1所述的电力系统暂态频率稳定性预测方法，其特征在于，利用基于多路时空图注意力网路的独立时空特征提取模块多路并行提取电力系统扰动前后的电气属性序列的时空特征。
4.如权利要求3所述的电力系统暂态频率稳定性预测方法，其特征在于，所述基于多路时空图注意力网路的独立时空特征提取模块包括多个并行支路；每个支路包括图注意力网络及图卷积网络，所述图注意力网络用于提取电力系统的空间特征，所述图卷积网络用于提取电气属性序列的时序特征；所述基于多路时空图注意力网路的独立时空特征提取模块共享每个支路的图注意力网络及图卷积网络的参数。
5.如权利要求4所述的电力系统暂态频率稳定性预测方法，其特征在于，图注意力网络提取电力系统的空间特征的过程为：
6.如权利要求4所述的电力系统暂态频率稳定性预测方法，其特征在于，图卷积网
7.如权利要求1所述的电力系统暂态频率稳定性预测方法，其特征在于，基于注意力机制的分组特征增强策略得到直接相关属性增强特征和间接相关属性增强特征，其过程为：
8.一种电力系统暂态频率稳定性预测系统，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的电力系统暂态频率稳定性预测方法中的步骤。
10.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的电力系统暂态频率稳定性预测方法中的步骤。
...【技术特征摘要】
1.一种电力系统暂态频率稳定性预测方法，其特征在于，包括：
2.如权利要求1所述的电力系统暂态频率稳定性预测方法，其特征在于，电力系统扰动前后的电气属性序列包括机械功率、电磁功率、转子角速度、无功功率和功角这五种。
3.如权利要求1所述的电力系统暂态频率稳定性预测方法，其特征在于，利用基于多路时空图注意力网路的独立时空特征提取模块多路并行提取电力系统扰动前后的电气属性序列的时空特征。
4.如权利要求3所述的电力系统暂态频率稳定性预测方法，其特征在于，所述基于多路时空图注意力网路的独立时空特征提取模块包括多个并行支路；每个支路包括图注意力网络及图卷积网络，所述图注意力网络用于提取电力系统的空间特征，所述图卷积网络用于提取电气属性序列的时序特征；所述基于多路时空图注意力网路的独立时空特征提取模块共享每个支路的图注意力网络及图卷积网络的参数。
5.如权利要求4所述的电力系统暂...
【专利技术属性】
技术研发人员：石访，宋雪萌，聂礼强，杨文娴，田硕硕，
申请(专利权)人：山东大学，
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。