[发明专利]融合注意力机制深度残差倒置网络电力系统暂态评估方法

权利要求书

1.一种融合注意力机制深度残差倒置网络电力系统暂态评估方法，其特征是，包括有以下步骤：

数据采集，基于matlab的仿真建立新英格兰10机39节点系统，采集系统中各母线处在故障前、故障时、故障后的电压幅值与相角构造的三维特征图数据，作为输入特征；

数据预处理，对采集到的数据采用Min-Max的方法进行预处理；

稳定性判断，以任意两台发电机间最大功角差是否大于360度判断系统稳定性，根据判断结果对预处理后的数据对应打上标签，分为训练集和测试集；

构建电力系统暂态稳定评估模型，采用残差倒置形式的残差倒置模块，加入注意力机制，建立得到融合注意力机制的残差倒置网络；

模型训练，引入准确率、精确率、召回率、F₁值四种综合指标对模型性能进行评估，通过样本对模型进行训练测试并进行参数寻优，保存参数最优时模型为最佳模型；

评估更新，对WAMS系统采集到的在线电力系统数据信息进行处理，构成评测数据集，将测评数据集输入至最佳模型进行评估得到评估结果，将在线累计的数据添加至原数据构成的样本，对模型进行更新训练。

2.根据权利要求1所述的融合注意力机制深度残差倒置网络电力系统暂态评估方法，其特征是，对数据的预处理具体为：采用Min-Max方法

式中：表示x为原有特征信息，x_min为特征信息最小值，x_max为特征信息最大值，数据经归一化处理后全部映射在[0,1]区间。

3.根据权利要求1所述的融合注意力机制深度残差倒置网络电力系统暂态评估方法，其特征是，稳定性判断具体为：

Δδ_MAX表示任意两台发电机间最大功角差；当TSI0，系统暂态稳定；当TSI＝0，系统暂态不稳定；分为稳定0和不稳定1两类标签。

4.根据权利要求1所述的融合注意力机制深度残差倒置网络电力系统暂态评估方法，其特征是，电力系统暂态稳定评估模型的构建具体为：

残差倒置网络采用残差倒置的形式，先通过1×1的卷积核进行升维操作，再对输出层进行降维操作，使中间特征信息提取维度更立体；在残差倒置模块基础上加入注意力机制，得到融合注意力机制的残差倒置模块；

建立融合注意力机制的残差倒置网络，结构为一层二维卷积层、2个残差倒置模块和9个融合了注意力机制的残差倒置模块组成的改进残差倒置模块组、一层一维卷积层、一层全局平均池化层、两层全连接层、通过softmax输出评估结果；

激活函数采用ReLU。

5.根据权利要求4所述的融合注意力机制深度残差倒置网络电力系统暂态评估方法，其特征是：

注意力机制计算公式如下

l_t＝v·sigmoid(wx_t+b)

式中，l_t为注意力打分函数，v和w为权重系数，b为偏置系数；α_i为二维卷积层输出矩阵y所决定的注意力概率分布，N为注意力变量总数；e_i为注意力层输出；

融合注意力机制的残差倒置模块中的注意力机制对卷积得到的特征矩阵每一个通道进行池化处理，再通过两个全连接层，输出的特征向量，对之前的特征矩阵的各通道分析出权重关系，根据特征信息的重要性重新赋予权重，得到新的权重信息。

6.根据权利要求1所述的融合注意力机制深度残差倒置网络电力系统暂态评估方法，其特征是，四种综合指标对模型性能的评估具体为：

TP和TN分别为稳定样本和失稳样本被正确识别的数量；FN和FP分别为稳定样本被识别为失稳和不稳定样本被识别为稳定的样本数量

准确率A_cc为网络识别稳定样本和失稳样本正确数量占总量比例；精确率precisoin是在被识别为失稳样本中识别正确的比例；召回率Recall是在所有失稳样本中识别正确的比例；F₁值是precisoin和Recall的调和平均。