[发明专利]一种电网关键状态特征的确定方法及系统

说明书

本发明公开了一种电网关键状态特征的确定方法及系统，所述方法包括：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；通过多任务时间序列学习模型不仅实现了电网未来运行状态的预测，而且能够确定电网性能预测值对应的关键状态特征，通过关键状态特征有助于帮助调控人员准确的掌握当前电网状态和发展趋势，提升了电网调控业务的智能化，同时通过观察电网关键状态特征的变化验证电网未来运行状态的准确性，有利于及时发现故障。

技术领域

本发明涉及电力系统运行与控制领域，具体涉及一种电网关键状态特征的确定方法及系统。

背景技术

随着特高压交直流大容量输电和新能源的快速发展和工程实践，电网规模异常庞大，电网运行方式也异常复杂，而新能源和分布式电源的间歇性和随机性也带来了难以准确预测的问题，这些导致了调控业务复杂度大幅增加，给电网调度控制运行提出了新的需求。

电网理想调度利用历史运行数据，通过对电网运行理想状态的分析和评估，找出电网历史运行状态和理想状态的差距，进行“再调度”和“反思”，进而提升电网调度运行控制水平。电网理想调度的实现，是建立在对大量历史数据的准确分析评估基础之上的，传统的基于确定性模型的分析评估方法难以满足其需求。同时调控人员在判断当前电网状态和发展趋势时需要考虑多个状态特征，导致工作量大效率低，同时对调度人员的技能要求较高。

发明内容

为了解决现有技术中所存在的上述不足，本发明提供一种电网关键状态特征的确定方法及系统。本发明提供的确定方法利用海量电网历史数据，在传统调度决策方法基础上，预测电网未来运行状态并挖掘影响电网运行的关键因素。该方法首先从安全、经济、节能三方面梳理电网运行特征，结合基于LSTM的自学习算法，搭建多任务序列学习方法模型，实现了电网未来运行状态的预测和电网关键状态特征的提取，有助于帮助调控人员准确的掌握当前电网状态和发展趋势，提升了电网调控业务的智能化。

本发明提供的一种电网关键状态特征的确定方法，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。

优选的，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。

优选的，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；