[发明专利]电力系统暂态稳定监测方法、装置、终端设备及存储介质

说明书

本发明公开了一种电力系统暂态稳定监测方法、状态、终端设备及存储介质，所述方法通过在时空图卷积网络输入电路系统故障前、故障中和故障后的时间序列上的母线节点的状态变量以及系统的节点导纳矩阵进行时间和空间的相关性学习，获取每个发电机节点的失稳概率，实现对每台发电机的暂态稳定状态的监测。

技术领域

本发明涉及电子电力技术领域，尤其涉及一种电力系统暂态稳定监测方法。

背景技术

近年来，随着人类社会对电力资源需求的不断增大，电网的复杂度以及负荷也在不断提升。这些给电力系统带来了巨大的安全隐患，特别是在电力系统暂态稳定性上。实时监测电力系统的稳定状态有利于采取及时有效的措施，保障电网的稳定持续运行。快速在线暂态稳定性判断是一种提供不稳定预警和系统预防性控制指导的基本工具。

电力系统暂态稳定性现有的几种分析方法：时域法(通过求解微分方程求各发电机相功角的变化来判断稳定性)；能量法(利用李雅普诺夫能量函数求出稳定域)；BCU法(势能边界法与主导不稳定平衡点法的结合)；基于神经网络的方法(用电力系统中的特征量作为输入，利用神经网络的拟合能力建立输入-输出映射)。随着数据量的不断提升，数据驱动型技术(机器学习)提供了一种分析与解决问题的新思路，近年来的深度学习更是在各个领域都表现出了不可忽视的作用。而在电力系统分析中，传统的卷积神经网络(CNN)和循环神经网络(RNN)分别面临着忽视局部信息之间的联系以及训练与实际使用花费时间过长的问题，这些模型没有有效利用电力系统的拓扑特征，而电网的拓扑改变会对其暂态稳定特性产生很大的影响，因而导致了这些模型的泛化性能较差，当电网的拓扑发生改变之后，模型的预测精度会大幅下降。此外，目前数据驱动的功角暂态稳定分析模型中，多是对电力系统整体的暂态功角稳定性或者功角暂态裕度进行预测，无法精确到每一台发电机组，无法对每一台发电机组的稳定状态进行监测。

发明内容

本发明实施例的目的是提供一种电力系统暂态稳定监测方法，解决现有技术电力系统暂态稳定分析中由于未考虑电力系统的拓扑特征导致对电力系统暂态稳定监测不准确的问题，以及无法对每一台发电机组的稳定状态进行监测。

为实现上述目的，本发明实施例提供了一种电力系统暂态稳定监测方法，包括以下步骤：

获取电力系统采集得到的历史特征数据，系统采样从故障发生前采集到故障发生后；

根据所述采集得到的历史特征数据，构造输入状态图序列，所述输入状态图序列根据故障发生前到故障发生后的时间序列上的每一个采样点对应的电力系统的状态图构成，其中，所述状态图以电力系统的母线作为节点进行构建；

根据故障发生后的发电机的功角值，获取每个发电机的稳定状态结果，作为每一所述发电机对应的标签；

将所述输入状态图序列和每一所述发电机的稳定状态结果输入到基于时空图卷积网络的模型训练，得到电力系统暂态稳定预测模型；

当故障发生后，采集电力系统不同故障模式下的特征数据，构造输入状态图序列输入到电力系统暂态稳定预测模型，得到每一节点的失稳概率；

根据每一所述节点的失稳概率，监测每台发电机的稳定状态。

进一步的，所述将所述输入状态图序列和每一所述发电机的稳定状态结果输入到基于时空图卷积网络的模型训练，其中，所述基于时空图卷积网络的模型具体包括：

所述时空图卷积网络由2个时空卷积块和1个输出层组成，所述时空卷积块包含两层时间卷积层和一层空间卷积层，所述空间卷积层位于所述两层时间卷积层的中间，且所述空间卷积层采用基于空域的图卷积。

进一步的，所述状态图以电力系统的母线作为节点进行构建中，所述状态图具体通过以下步骤构建：

(1)定义状态图G_t，用于描述t时刻的电力系统状态；