[发明专利]一种电网关键状态特征的确定方法及系统

权利要求书

1.一种电网关键状态特征的确定方法，其特征在于，包括：

基于获取的电网运行数据对预先设定特征集中的状态特征值进行计算；

基于所述特征集中所有的状态特征值利用多任务时间序列学习模型进行训练，得到电网性能的预测值以及所述电网性能预测值对应的关键状态特征；

其中，所述多任务时间序列学习模型为基于状态特征与电网性能之间的关系进行构建；所述特征集中的状态特征是基于电网安全性、经济性和节能性进行提取。

2.如权利要求1所述的方法，其特征在于，所述基于所述特征集中所有的状态特征值利用多任务时间序列学习模型进行训练，得到电网性能的预测值以及所述电网性能预测值对应的关键状态特征，包括：

按时序获得电网历史性能得分；

将时间序列和时间序列对应的电网历史性能得分以及状态特征值依次输入多级离散小波变换模块和Seq2Seq预测器，得到电网性能的预测值；

将时间序列和时间序列对应的电网历史性能得分以及状态特征值依次输入相关性模块和所述Seq2Seq预测器，得到所有状态特征的相关系数；

对所有状态特征的相关系数进行排序，按序选出所述电网性能的预测值对应的电网关键状态特征；

所述Seq2Seq预测器中包括多个LSTM的编码器-解码器和隐藏层。

3.如权利要求2所述的方法，其特征在于，所述将时间序列和时间序列对应的电网历史性能得分以及状态特征值依次输入多级离散小波变换模块和Seq2Seq预测器，得到电网性能的预测值，包括：

将时间序列和时间序列对应的电网历史性能得分以及状态特征值输入多级离散小波变换模块，将输入的时间序列分解为多个子序列；

将分解后的子序列馈送到Seq2Seq预测器，输出电网性能的预测值。

4.如权利要求2所述的方法，其特征在于，所述将时间序列和时间序列对应的电网历史性能得分以及状态特征值依次输入相关性模块和所述Seq2Seq预测器，得到所有状态特征的相关系数，包括：

将时间序列和时间序列对应的电网历史性能得分以及状态特征值输入相关性模块；

基于所述相关性模块获得不同时间段内每个状态特征的相关系数的时间序列；

将所有状态特征的时间序列馈送到堆叠LSTM模块；

将堆叠LSTM模块的输出输入到所述Seq2Seq预测器的隐藏层，将隐藏层的输出输入到全连接神经网络，得到所有状态特征的相关系数。

5.如权利要求2所述的方法，其特征在于，所述电网历史性能得分通过专家打分或设置的权重获得。

6.如权利要求1所述的方法，其特征在于，基于安全性进行提取的状态特征包括：

N-1通过率、主要断面N-2通过率、短路电流、潮流运行、主变安全、线路安全、电网运行均衡度、旋转备用不足率、供区负荷无功裕度、电压安全、频率合格率、频率优质率和负荷预测精度。

7.如权利要求1所述的方法，其特征在于，基于经济性进行提取的状态特征包括：

平均购电成本偏差率、网损率、旋转备用过剩率、尖峰负荷机组平均负荷率和供区无功平衡程度。

8.如权利要求1所述的方法，其特征在于，基于节能性进行提取的状态特征包括：

发电平均煤耗和发电机组等效平均负荷率。

9.一种电网关键状态特征的确定系统，其特征在于，包括：

计算模块，用于基于获取的电网运行数据对预先设定特征集中的状态特征值进行计算；

结果模块，用于基于所述特征集中所有的状态特征值利用多任务时间序列学习模型进行训练，得到电网性能的预测值以及所述电网性能预测值对应的关键状态特征；

其中，所述多任务时间序列学习模型为基于状态特征与电网性能之间的关系进行构建；所述特征集中的状态特征是基于电网安全性、经济性和节能性进行提取。

10.如权利要求9所述的方法，其特征在于，所述结果模块，包括：

得分单元，用于按时序获得电网历史性能得分；

预测单元，用于将时间序列和时间序列对应的电网历史性能得分以及状态特征值依次输入多级离散小波变换模块和Seq2Seq预测器，得到电网性能的预测值；

系数单元，用于将时间序列和时间序列对应的电网历史性能得分以及状态特征值依次输入相关性模块和所述Seq2Seq预测器，得到所有状态特征的相关系数；

结果单元，用于对所有状态特征的相关系数进行排序，按序选出所述电网性能的预测值对应的电网关键状态特征；

所述Seq2Seq预测器中包括多个LSTM的编码器-解码器和隐藏层。