[发明专利]一种基于时空信息同步学习的电网暂态电压稳定评估方法

权利要求书

1.一种基于时空信息同步学习的电网暂态电压稳定评估方法，其特征在于，包括：

步骤S1，对电网在各种运行方式下的各种暂态故障进行时域仿真，从时域仿真过程中提取各监测节点的时序响应轨迹和电网的暂态电压稳定状态信息，得到暂态样本集；

步骤S2，利用电网的网络阻抗矩阵和不同时间断面下电网状态的关联关系分别构建空间邻接矩阵和时序邻接矩阵，将该两种矩阵进一步集成为时空邻接矩阵，以综合表征电网暂态过程中不同时间断面下各监测节点间的时空相关性；

步骤S3，利用图卷积神经网络算法对所述暂态样本集进行时空信息同步学习，训练得到时空信息同步驱动的暂态电压稳定分类评估模型；

步骤S4，当电网在线运行中遭遇暂态故障时，实时获取各监测节点的暂态时序响应轨迹，输入暂态电压稳定分类评估模型中，由模型实时输出电网暂态电压稳定的在线评估结果。

2.根据权利要求1所述的基于时空信息同步学习的电网暂态电压稳定评估方法，其特征在于：步骤S1中，从电网的调度运行系统中获取电网的运行方式集和暂态故障集，采用机电暂态时域仿真方法对电网在各种运行方式下的各种暂态故障进行次时域仿真，，为运行方式种类数量，为暂态故障种类数量，记录各监测节点在遭遇暂态故障后个时间断面的电压、电流、有功功率、无功功率时序响应轨迹，并记录每次时域仿真过程中的电网状态，用表示暂态电压稳定，表示暂态电压失稳，将一次时域仿真过程中记录的所有时序响应轨迹和电网状态构成一个暂态样本，收集次时域仿真所得到的所有暂态样本，形成一个包含个样本的暂态样本集。

3.根据权利要求2所述的基于时空信息同步学习的电网暂态电压稳定评估方法，其特征在于：步骤S2包括：

步骤S21，构建度量电网各监测节点之间邻近程度的空间邻接矩阵，如下式：

(1)

(2)

(3)

(4)

(5)

式中，为监测节点之间的阻抗值，与表示不同的监测节点，，，为电网中监测节点的总数，为监测节点与监测节点之间的电气距离，为电气距离矩阵，为电气距离矩阵中各元素的最大值，其中和表示不同的监测节点，，，为监测节点与监测节点之间的归一化电气距离，为监测节点与监测节点之间的归一化电气距离，为监测节点与监测节点之间的空间邻接程度度量值；

步骤S22，构建表征电网遭遇暂态故障后在两个连续时间断面下各监测节点之间时序相关性的时序邻接矩阵，如下式：

(6)

(7)

式中，为监测节点与监测节点之间的时序邻接程度度量值；

步骤S23，形成表征电网遭遇暂态故障后在三个连续时间断面下各监测节点之间时空相关性的时空邻接矩阵，如下式：

(8)。

4.根据权利要求3所述的基于时空信息同步学习的电网暂态电压稳定评估方法，其特征在于：步骤S3包括：

步骤S31，采用图卷积神经网络算法对步骤S1得到的暂态样本集进行时空信息同步学习，与步骤S23得到的时空邻接矩阵相对应，对步骤S1所得的暂态样本集中各样本包含个时间断面的时序响应轨迹分割为个由三个连续时间断面组成的轨迹切片，将某一切片中三个连续时间断面的时序响应轨迹综合记为，利用全连接层将其映射至隐藏层状态，利用图卷积学习模块进行时空图卷积运算，得到：

(9)

其中，为图卷积运算得到的隐藏层状态，、和、为图卷积运算过程的待学习参数，表示sigmoid激活函数，表示矩阵点积；

在图卷积学习过程中进行次图卷积运算，分别对个轨迹切片进行学习，完成图卷积学习后，将隐藏层状态依次链接至全连接层和展平层，记展平层的输出为，利用sigmoid激活函数将展平层的输出关联至电网状态的离散化输出，由此构建时空信息同步驱动的暂态电压稳定分类评估模型；

步骤S32，采用步骤S1得到的暂态样本集对步骤S31构建的时空信息同步驱动的暂态电压稳定分类评估模型进行时空信息同步学习训练以及性能测试，直至模型的稳定评估准确率达到要求。