[发明专利]基于改进Softmax回归的电网故障临界切除时间判别方法

说明书

本发明属于大电网稳定与控制领域，主要涉及一种基于改进Softmax回归的电网故障临界切除时间判别方法；该方法修改了标准Softmax回归的代价函数，采用以正确分类为中心的正态分布作为目标概率分布，把模型计算得到的概率分布与目标概率分布之间的KL散度作为代价函数，通过缩小正态分布方差和不断迭代来获得最优模型。

技术领域

本发明属于大电网稳定与控制领域，是一种基于机器学习方法和历史计算数据，对电力系统预想故障对应的稳定特征进行自动辨识的方法，特别是涉及一种基于改进Softmax回归的电网故障临界切除时间判别方法。

背景技术

随着经济水平的飞速提升，中国社会对电力的需求也日益强烈。为了保障电能安全可靠的传输，中国电网中开展了西电东送、全国联网以及特高压输电等重大工程，交直流混联的特大电网已经基本形成。随着电网规模的扩大，电网安全稳定性愈加难以掌控。世界上已经发生的多次电网故障表明，输电电压等级的提高、联网规模扩大以及传输容量的增加，都会增大电网故障带来的危害，故障原因和过程也更为复杂。开展对运行电网全面细致的在线监视、分析和控制，保障电力生产、传输和使用的安全是各国电力行业的迫切需求。

开展电网在线安全稳定分析工作，计算速度是必须保障的核心指标之一，如果失去计算速度，那么在线分析也就失去了时效性，而变得没有意义。现有在线分析系统主要采用时域仿真方法进行分析，计算量较大，难以进一步提升速度；而采用快速判稳方法，虽然速度较快，但它非常依赖于电网稳定特征的选取，不准确的特征将造成预测结果的极大误差。另一方面，在线分析系统积累了大量的历史数据，其中蕴含了宝贵的电网运行规律，同时又贴近实际运行情况，可作为稳定特征识别的依据。

本发明的目标就是利用历史数据来对不同方式和预想故障下的电网稳定特征进行自动辨识。

随着电网规模的扩大，影响电网稳定的因素越来越复杂，而从中有效地挖掘关键的稳定特征也就成为掌控电网运行的重要课题。稳定特征辨识方法目前已有一定的研究，现有方法往往过于依赖人工经验，所选特征比较局限，不能广泛地选取，造成存在漏选的可能。

发明内容

发明目的：

为了解决现有方法存在的问题，本发明提出了一种基于改进Softmax回归的电网故障临界切除时间判别方法，可扩大特征选择范围，覆盖电力系统在线数据中全部设备的静态量，通过机器学习方法自动辨识出对于电网稳定影响最大的主要特征。

技术方案：

基于改进Softmax回归的电网故障临界切除时间判别方法，该方法修改了标准Softmax回归的代价函数，采用以正确分类为中心的正态分布作为目标概率分布，把模型计算得到的概率分布与目标概率分布之间的KL散度作为代价函数，通过缩小正态分布方差和不断迭代来获得最优模型。

该方法步骤如下：

a)初始化

对于某一指定故障，统计样本库中CCT结果的上下限，并做离散化处理，获得所有可能的分类和类别总数；初始化正态分布的方差，为迭代计算做准备；

b)计算KL散度

对于单个样本，通过预测得到的输入特征属于各个分类的概率，计算不同类别的概率分布；并根据正确分类和正态分布方差形成不同类别的目标概率分布，计算两种分布之间的KL散度；

c)迭代优化

采用批量梯度下降法进行优化，当代价函数持续迭代设定代数无明显下降时，能够缩小正态分布的方差，使得正确分类主导作用更加突出，并继续迭代，直至方差小于设定的阈值，然后输出模型的最终优化结果。

优点及效果：