【技术实现步骤摘要】
本专利技术涉及电力系统领域，具体涉及一种大规模电力系统预想故障安自装置动作方案生成方法、装置、设备及存储介质。
技术介绍
1、随着电力绿色低碳转型加速，新能源装机比例不断提高，大规模电力系统的安全调控策略也面临新的挑战。大规模新能源引入到电力系统中，愈来愈多的灵活负荷也被并入电网，导致了电力系统的不确定性影响因素急剧增加，从而使在线或离线调度计划需要评估的运行场景呈几何级数增长。同时，大规模电力网络的预想故障集规模亦十分庞大，基于详细的时域仿真难以在短时内计算得到所有运行场景预想故障的安自装置动作方案，从而无法及时掌握系统运行的安全风险。因此，在新能源装机规模日益增长，发电规模逐渐扩大的新形势下，如何让大规模电力系统安自装置动作方案生成智能化、快速化成为当前亟待解决的问题。
2、目前工业界使用的安自装置动作方案生成方法依赖于计算繁复的仿真系统，在大规模电力系统中求解速度慢、难以在线实时应用，并且随着系统规模的演化扩大和可能故障元件的增加，设备状态数量呈指数级增加，导致计算时间过长甚至无法求解，而新能源渗透率的不断增加让仿真系统建模更加复杂，进一步加重计算开销。虽然基于机器学习的方法在近年来也在探索中，但存在一些关键问题未能有效解决。首先是没能有效利用电力系统的拓扑结构，无法挖掘设备之间的隐含关联的复杂依赖关系；其次是没有考虑如何把电力系统中不同类型的设备的异构属性信息统一起来，也缺乏把操作发电机组设备、负荷设备与其他相关设备关联统一考虑的鸟瞰视角，导致模型缺乏灵活性、可扩展性；最后，学术界提出的大多数方法只在小规模电
3、因此，需要一种能用于大规模电力系统的预想故障安自装置动作方案生成方法，实现电力系统安自装置动作方案生成算法的智能化、快速化。
技术实现思路
1、专利技术目的：为了克服现有的切机方案生成算法的缺点，本专利技术提供一种电力系统安自装置动作方案生成方法、装置、设备及存储介质，以解决现有技术在大规模的电力系统中计算时间开销大的问题。
2、技术方案：为实现上述的目的，本专利技术提出的电力系统安自装置动作方案生成方法，包括以下步骤：
3、获取电力系统中每个参与设备的关键属性，组合为设备属性向量；
4、将设备属性向量输入设备表示网络，通过卷积操作得到长度相同、语义统一的设备表示向量；
5、将同一类别的所有设备表示向量聚合为一个类别表示向量，代表该类别下所有设备的总体特征，拼接所有类别的类别表示向量，输入到多层感知机，得到一个或多个故障表示向量，用于表示发生预想故障后，需要关注的电力系统状态信息；
6、根据电力系统中的设备关联结构，构建对应的拓扑图，并添加数量等同于故障表示向量个数的孤立的故障节点，使用设备表示向量和故障表示向量作为节点属性，得到拓扑图的节点属性矩阵x和邻接矩阵a；
7、使用拓扑图的节点属性矩阵x和邻接矩阵a，通过多层消息传播网络，得到节点嵌入向量；
8、基于节点嵌入向量，将属于安自装置的设备节点与故障节点进行两两拼接，得到合成嵌入向量，输入节点对链接预测网络中，得到节点之间的链接关系预测结果；
9、根据节点之间的链接关系预测结果，收集与某一故障节点有链接关系的属于安自装置的设备节点为一个节点集合，集合包含的设备即为对应故障发生后所需操作的设备，对每一个故障节点都进行上述操作，得到每个故障的目标操作设备集，是这些故障发生后需要的安自装置动作方案。
10、所述设备表示网络、多层感知机、多层消息传播网络、节点对链接预测网络构成系统端到端模型，模型使用预先收集好的数据集使用目标方程进行训练，训练的目的是让目标方程计算的损失最小化，数据集的每个样本包括参与电力系统中每个设备的关键属性、电力系统的设备关联结构、每种故障对应的安自装置动作方案。
11、模型训练中使用的目标方程表示为：
12、
13、其中l表示损失函数，nf是电力系统可能出现的故障的种类数量，nc是电力系统中属于安自装置的设备的数量，是预测的故障节点i与属于安自装置的设备j之间存在链接关系的概率，yi,j表示数据集中故障类型i是否需要操作属于安自装置的设备j，需要操作则为1，否则为0。
14、多层消息传播网络的计算方法为：
15、
16、其中σ(·)表示激活函数，||表示拼接运算，表示聚合函数，n(i)表示节点i的邻居节点集，表示节点i经过k轮消息传播后的嵌入向量，w(k)表示第k轮消息传递中的可学习的参数。
17、设备表示网络由卷积层和全连接层组成，使用多个1×1卷积核组成的卷积层把属性向量处理为长度相同的向量。
18、节点属性矩阵x是一个形状为(ne+nf)×d的二维矩阵，其中ne是电力系统中设备数量，nf是电力系统可能出现的故障的种类数量，d是设备表示向量的长度。
19、邻接矩阵a是一个(ne+nf)×(ne+nf)的二维矩阵，每一行表示某个设备或故障节点与其他设备或故障节点的关系，矩阵元素的取值为0或1，当第i个节点与第j个节点存在链接关系时，邻接矩阵a中aij等于1，否则等于0。
20、本专利技术提供的一种电力系统安自装置动作方案生成装置，包括：
21、设备属性向量构建模块，获取参与电力系统中每个设备的关键属性，组合为属性向量；
22、设备表示向量构建模块，将设备属性向量输入到设备表示网络，通过卷积操作得到长度相同、语义统一的设备表示向量；
23、故障表示向量构建模块，将同一类别的所有设备表示向量聚合为一个类别表示向量，代表该类别下所有设备的总体特征，拼接所有类别的类别表示向量，输入到多层感知机，得到一个或多个故障表示向量，用于表示发生预想故障后，需要关注的电力系统状态信息；
24、设备拓扑图构建模块，根据电力系统中的设备关联结构，构建对应的拓扑图，并添加数量等同于故障表示向量个数的孤立的故障节点，使用设备表示向量和故障表示向量作为节点属性，得到拓扑图的节点属性矩阵x和邻接矩阵a；
25、节点嵌入向量构建模块，使用拓扑图的节点属性矩阵x和邻接矩阵a，通过多层消息传播网络，得到节点嵌入向量；
26、链接预测模块，基于节点嵌入向量，将属于安自装置的设备节点与故障节点进行两两拼接，得到合成嵌入向量，输入节点对链接预测网络中，得到节点之间的链接关系预测结果；
27、安自装置动作方案生成模块，根据节点之间的链接关系预测结果，收集与某一故障节点有链接关系的属于安自装置的设备节点为一个节点集合，集合包含的设备即为对应故障发生后所需操作的设备，对每一个故障节点都进行上述操作，得到每个故障的目标操作设备集，是这些故障发生后需要的安自装置动作方案。
28、本专利技术提供的一种计算机设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多本文档来自技高网...
【技术保护点】
1.一种电力系统安自装置动作方案生成方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述设备表示网络、多层感知机、多层消息传播网络、节点对链接预测网络构成系统端到端模型，模型使用预先收集好的数据集使用目标方程进行训练，训练的目的是让目标方程计算的损失最小化，数据集的每个样本包括参与电力系统中每个设备的关键属性、电力系统的设备关联结构、每种故障对应的安自装置动作方案。
3.根据权利要求2所述的方法，其特征在于，模型训练中使用的目标方程表示为：
4.根据权利要求1所述的方法，其特征在于，多层消息传播网络的计算方法为：
5.根据权利要求1所述的方法，其特征在于，设备表示网络由卷积层和全连接层组成，使用多个1×1卷积核组成的卷积层把属性向量处理为长度相同的向量。
6.根据权利要求1所述的方法，其特征在于，节点属性矩阵X是一个形状为(Ne+Nf)×D的二维矩阵，其中Ne是电力系统中设备数量，Nf是电力系统可能出现的故障的种类数量，D是设备表示向量的长度。
7.根据权利要求1所述的方法
8.一种电力系统安自装置动作方案生成装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述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安自装置动作方案生成方法的步骤。
10.一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，所述计算机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安自装置动作方案生成方法的步骤。
...【技术特征摘要】
1.一种电力系统安自装置动作方案生成方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述设备表示网络、多层感知机、多层消息传播网络、节点对链接预测网络构成系统端到端模型，模型使用预先收集好的数据集使用目标方程进行训练，训练的目的是让目标方程计算的损失最小化，数据集的每个样本包括参与电力系统中每个设备的关键属性、电力系统的设备关联结构、每种故障对应的安自装置动作方案。
3.根据权利要求2所述的方法，其特征在于，模型训练中使用的目标方程表示为：
4.根据权利要求1所述的方法，其特征在于，多层消息传播网络的计算方法为：
5.根据权利要求1所述的方法，其特征在于，设备表示网络由卷积层和全连接层组成，使用多个1×1卷积核组成的卷积层把属性向量处理为长度相同的向量。
6.根据权利要求1所述的方法，其特征在于，节点属性矩阵x是一个形状为(ne+nf)×d的二维矩阵，其中ne是电力系统中设备数量，nf是电力系统可能出现的故...
【专利技术属性】
技术研发人员：李文中，李沛杰，徐泰山，任先成，鲍颜红，吴峰，
申请(专利权)人：南京大学，
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。