【技術實現步驟摘要】
本專利技術屬于電力系統暫態穩定預防控制，更具體地，涉及一種多事故場景下暫態穩定預防控制策略生成方法及系統。
技術介紹
1、暫態穩定問題是引起大電網安全事故的常見原因之一，快速、有效的暫態穩定預防控制對保障電力系統在線安全穩定運行具有重要意義。實際電力系統不僅運行點靈活多變，而且在任何部位都有可能發生故障，在線安全分析時需要針對風險最大的一些預想事故進行暫態穩定評估和預防控制。在這種多事故場景下，不同事故對應的安全運行域各不相同，所代表的暫態穩定約束也不一樣。利用傳統數學優化方法進行預防控制需要將眾多暫態穩定約束一起納入考慮，不僅暫態穩定約束的建模難以兼顧精準度和簡易性，而且多種穩定約束也較難同時滿足，使求解效率變得低下甚至無法求解。此時，傳統的方法已經無法保證在線安全分析的時效性。
2、因此，現有技術提出可利用人工智能技術來進行預防控制策略的生成。然而實際電力系統在線運行時可能發生的事故多種多樣，難以用少數預想事故場景涵蓋全網可能發生的未知事故。現有的預防控制策略生成方法往往針對單個預想事故或少數預想事故場景，不僅如此，也未能考慮到電力系統中可能發生的不同事故安全運行域互斥的問題，使其無法推廣到實際電力系統在線分析應用中。
技術實現思路
1、針對現有技術的以上缺陷或改進需求，本專利技術提供了一種多事故場景下暫態穩定預防控制策略生成方法及系統，其目的在于解決多預想事故場景下預防控制策略優化求解困難及效率低下的問題。
2、為實現上述目的，按照本專利技術的第一方面
3、將反映電網各運行點狀態的穩態潮流信息輸入訓練好的暫態穩定評估神經網絡模型中，獲得各運行點在n個不同預想事故下的穩定概率；
4、對當前運行點，基于所述穩定概率計算該運行點的運行安全度和故障重要度；其中，所述運行安全度為穩定概率大于預設安全穩定閾值的預想事故總數，所述故障重要度用于表征不同預想事故對該運行點的重要度；
5、當前運行點的運行安全度q小于設定值m時，取故障重要度排名前s的預想事故，獲取當前運行點在該s個預想事故下的電網發電機有功出力的特征重要度向量；基于特征重要度向量，將特征重要度最小的發電機的有功功率轉移固定功率p至特征重要度最大的發電機上，得到s個候選運行點；s個候選運行點中，使所有預想事故暫態穩定概率提升最大者，確定為當前新的運行點；重復該步驟，直至q≥m，得到更新后的當前運行點；
6、針對當前運行點剩余的d個失穩事故，d＝n-q，將當前運行點分別向各失穩事故的安全域內調整，在得到的d個候選運行點中，將運行安全度最大者更新為當前運行點；重復該步驟，直至當前運行點的運行安全度為n，或者當前運行點的運行安全度降低，并將當前運行點作為電網控制策略。
7、進一步地，所述故障重要度為：
8、
9、式中，ii為n個不同預想事故中失穩預想事故i的故障重要度，yi為給定運行點在預想事故i下的穩定概率；g為所有失穩的預想事故組成的集合；pi為預想事故i發生后電力系統發生暫態失穩的概率；α為權重系數。
10、進一步地，所述特征重要度向量的計算方式為：
11、采用lime構建局部線性代理模型k(x)對所述暫態穩定評估神經網絡模型進行局部解釋，以獲得所述特征重要度向量；其中，k(x)滿足：
12、k(x)＝w0+w1x1+…+wnxn
13、式中，k(x)為所述暫態穩定評估神經網絡模型的局部線性代理模型，x表示所述暫態穩定評估神經網絡模型的輸入，為包含反映當前運行點狀態的穩態潮流信息和當前預想事故信息的向量，xi為模型的第i個發電機有功出力特征，i＝1,2,...,n，n為電網發電機總數；wi為第i個發電機有功出力特征對應的特征重要度，w1、w2、…、wn構成當前運行點在當前預想事故下的電網發電機有功出力的特征重要度向量。
14、進一步地，針對當前運行點剩余的d個失穩事故，d＝n-q，將當前運行點分別向各失穩事故的安全域內調整，包括：
15、在給定失穩事故下，基于當前運行點的所述特征重要度向量，將特征重要度最小的發電機的有功功率轉移固定功率p至特征重要度最大的發電機上，以對當前運行點進行調整，循環執行該過程，直至調整后的當前運行點在給定失穩事故的安全域內，得到d個候選運行點。
16、進一步地，利用知識蒸餾訓練得到所述暫態穩定評估神經網絡模型，具體包括：
17、將電網中實際應用的暫態穩定評估神經網絡模型作為教師模型，通過知識蒸餾，將教師模型的知識轉移至學生模型；其中，所述學生模型為所述暫態穩定評估神經網絡模型。
18、進一步地，知識蒸餾訓練過程中，輸入學生模型和教師模型中的每個訓練樣本包括反映電網當前運行點狀態的穩態潮流信息和當前預想事故信息，標簽為對應的暫態穩定概率；所用的損失函數loss為：
19、loss＝λlhard+(1-λ)t2lsoft
20、式中，lhard為分類損失，lsoft為蒸餾損失，t為所述教師模型softmax激活函數的溫度系數，且t>1，λ為權重系數；
21、分類損失lhard為所述學生模型輸出的樣本標簽預測值與樣本標簽之間的交叉熵損失，其中，所述學生模型激活函數的溫度系數為1；
22、蒸餾損失lsoft為軟標簽預測值與軟標簽之間的kl散度，其中，軟標簽預測值為在所述學生模型softmax激活函數的溫度系數設置為t時，所述學生模型的輸出，軟標簽為所述教師模型的輸出。
23、進一步地，s的計算方式為：
24、s＝[(n-m+1)/2]
25、式中，[·]為取整函數。
26、按照本專利技術的第二方面，提供了一種多事故場景下暫態穩定預防控制策略生成系統，包括計算機可讀存儲介質和處理器；
27、所述計算機可讀存儲介質用于存儲可執行指令；
28、所述處理器用于讀取所述計算機可讀存儲介質中存儲的可執行指令執行第一方面任一項所述的多事故場景下暫態穩定預防控制策略生成方法。
29、按照本專利技術的第三方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述程序被處理器執行時實現如第一方面任一項所述的多事故場景下暫態穩定預防控制策略生成方法。
30、按照本專利技術的第四方面，提供了一種計算機程序產品，包括計算機程序，當所述計算機程序在計算機上運行時，使得計算機執行第一方面中任意一項所述的多事故場景下暫態穩定預防控制策略生成方法。
31、總體而言，通過本專利技術所構思的以上技術方案，能夠取得以下有益效果：
32、(1)本專利技術的多事故場景下暫態穩定預防控制策略生成方法，結合人工智能暫態穩定評估模型，基于給定運行點的運行安全度和故障重要度，設計運行點搜索策略。具體而言，在預防控制策略搜索過程中，在當前運行點的運行安全度小于設定值m時，搜索本文檔來自技高網...
【技術保護點】
1.一種多事故場景下暫態穩定預防控制策略生成方法，其特征在于，包括：
2.根據權利要求1所述的多事故場景下暫態穩定預防控制策略生成方法，其特征在于，所述故障重要度為：
3.根據權利要求1或2所述的多事故場景下暫態穩定預防控制策略生成方法，其特征在于，所述特征重要度向量的計算方式為：
4.根據權利要求3所述的多事故場景下暫態穩定預防控制策略生成方法，其特征在于，針對當前運行點剩余的D個失穩事故，D＝N-Q，將當前運行點分別向各失穩事故的安全域內調整，包括：
5.根據權利要求1所述的多事故場景下暫態穩定預防控制策略生成方法，其特征在于，利用知識蒸餾訓練得到所述暫態穩定評估神經網絡模型，具體包括：
6.根據權利要求5所述的多事故場景下暫態穩定預防控制策略生成方法，其特征在于，知識蒸餾訓練過程中，輸入學生模型和教師模型中的每個訓練樣本包括反映電網當前運行點狀態的穩態潮流信息和當前預想事故信息，標簽為對應的暫態穩定概率；所用的損失函數Loss為：
7.根據權利要求1所述的多事故場景下暫態穩定預防控制策略生成方法，其特征
8.一種多事故場景下暫態穩定預防控制策略生成系統，其特征在于，包括計算機可讀存儲介質和處理器；
9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-7任一項所述的多事故場景下暫態穩定預防控制策略生成方法。
10.一種計算機程序產品，其特征在于，包括計算機程序，當所述計算機程序在計算機上運行時，使得計算機執行權利要求1-7中任意一項所述的多事故場景下暫態穩定預防控制策略生成方法。
...【技術特征摘要】
1.一種多事故場景下暫態穩定預防控制策略生成方法，其特征在于，包括：
2.根據權利要求1所述的多事故場景下暫態穩定預防控制策略生成方法，其特征在于，所述故障重要度為：
3.根據權利要求1或2所述的多事故場景下暫態穩定預防控制策略生成方法，其特征在于，所述特征重要度向量的計算方式為：
4.根據權利要求3所述的多事故場景下暫態穩定預防控制策略生成方法，其特征在于，針對當前運行點剩余的d個失穩事故，d＝n-q，將當前運行點分別向各失穩事故的安全域內調整，包括：
5.根據權利要求1所述的多事故場景下暫態穩定預防控制策略生成方法，其特征在于，利用知識蒸餾訓練得到所述暫態穩定評估神經網絡模型，具體包括：
6.根據權利要求5所述的多事故場景下暫態穩定預防控制策略生成方法，其特征在于，知識...
【專利技術屬性】
技術研發人員：劉濤，韓笑宇，陳金富，蔡德福，王爾璽，陳汝斯，許典，
申請(專利權)人：華中科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。