[发明专利]一种基于图神经网络的电力系统暂态稳定控制方法及系统

权利要求书

1.一种基于图神经网络的电力系统暂态稳定控制方法，其特征在于，包括：

步骤1，获取电力系统特征向量及邻接矩阵；

步骤2，将电力系统特征向量及邻接矩阵输入预训练好的图神经网络评估模型中，输出电力系统的暂态稳定裕度评估值；

步骤3，基于获得的暂态稳定裕度评估值与预设阈值，进行电力系统的暂态功角稳定性判断；其中，电力系统的暂态功角稳定性判断为不稳定时，跳转执行步骤4，电力系统的暂态功角稳定性判断为稳定时，跳转执行步骤5；

步骤4，增加切除切机控制灵敏度最大的发电机到控制策略中，获得更新后的电力系统特征向量及邻接矩阵，跳转执行步骤2；其中，所述切机控制灵敏度为可切发电机增加到控制策略前后输出的暂态稳定裕度的变化量；

步骤5，基于电力系统的暂态功角稳定性判断为稳定时对应的控制策略，实现电力系统暂态稳定控制；

其中，步骤1具体包括以下步骤：

获取待控制的电力系统拓扑结构及大扰动故障时的电力系统数据；基于电力系统拓扑结构获取邻接矩阵，基于大扰动故障时的电力系统数据获取电力系统特征向量；其中，所述大扰动故障时的电力系统数据包括：电压和有功功率；

所述暂态稳定裕度的表达式为，

式中，η₁为暂态稳定裕度；A_acc、A_dec分别为等值单机无穷大系统的加速面积、减速面积；

其中，减速面积大于加速面积时，计算剩余减速面积所需的电磁功率-功角曲线通过使用最小二乘法以如下形式拟合得到，表达式为，

P_e＝C₁+C₂sin(δ-C₃)，

式中，P_e、δ分别为等值单机无穷大系统的电磁功率、功角；C₁，C₂，C₃为待拟合曲线的参数；

所述暂态稳定裕度映射到0～1范围的表达式为，

式中，k_s为映射函数的形状系数。

2.根据权利要求1所述的一种基于图神经网络的电力系统暂态稳定控制方法，其特征在于，步骤2中，所述图神经网络评估模型包括：

输入层，用于输入电力系统特征向量及邻接矩阵；

卷积层，用于基于所述电力系统特征向量及邻接矩阵，提取电力系统特征；

全连接层，用于基于所述电力系统特征，输出暂态稳定裕度评估值；其中，所述暂态稳定裕度评估值的维度为1。

3.根据权利要求2所述的一种基于图神经网络的电力系统暂态稳定控制方法，其特征在于，步骤2中，所述预训练好的图神经网络评估模型的获取步骤包括：

基于预获取的训练样本集及各样本对应的暂态稳定裕度标签，采用均方误差函数作为损失函数，训练至满足预设收敛条件后，获得所述预训练好的图神经网络评估模型。

4.根据权利要求3所述的一种基于图神经网络的电力系统暂态稳定控制方法，其特征在于，所述预获取的训练样本集的获取步骤包括：

基于电力系统运行方式历史数据、发电和负荷随机变化以及不同预设的电网拓扑结构生成的运行方式数据，建立获得运行方式样本集；设置电力系统的大扰动故障集；所述运行方式样本集中的各运行方式样本在大扰动故障集中不同的故障下构成不同的故障样本；

对于故障样本，从预设离线策略表中获取紧急控制策略，随机生成若干种所述紧急控制策略的修正，获得施加所述紧急控制策略的故障样本；

将无紧急控制措施的故障样本和施加紧急控制措施的故障样本组合，生成所述预获取的训练样本集。