[发明专利]一种电网扰动预测方法及装置

摘要

本发明实施例提供了一种电网扰动预测方法及装置，通过获取电网中节点的监测数据；根据监测数据，判断节点的是否发生扰动；当节点中一个或多个节点发生扰动时，将节点当前时刻的扰动状态值作为LSTM‑RTRBM深度学习模型的输入；通过LSTM‑RTRBM深度学习模型，预测在当前时刻后的一个或多个时间步长内节点的扰动状态值；根据当前时刻后的多个时间步长内节点的扰动状态值，预测出扰动在节点之间随一个或多个时间步长传播的情况，从而不需要根据电网中的各种实际物理参数进行运算，利用LSTM‑RTRBM深度学习模型通过完全的数据驱动就可以预测出扰动在空间上和时间上两个维度的传播情况，提高了扰动传播预测的效率和准确性。

主权项

一种电网扰动预测方法，其特征在于，包括：获取电网中节点的监测数据，所述节点为所述电网中的一个或多个通过输电线路连接或间接连接的输配电站点或变电站点，所述监测数据至少包括所述节点的母线电压值或电流值；根据所述监测数据，判断所述节点是否发生扰动；当所述节点中一个或多个节点发生扰动时，将所述节点当前时刻的扰动状态值作为LSTM‑RTRBM深度学习模型的输入，所述扰动状态值为表示所述节点是否发生扰动的标识，所述LSTM‑RTRBM深度学习模型为LSTM神经网络模型与RTRBM深度学习模型组合构成的深度学习模型；通过所述LSTM‑RTRBM深度学习模型，预测在所述当前时刻后的一个或多个时间步长内所述节点的扰动状态值；根据所述当前时刻后的一个或多个时间步长内所述节点的扰动状态值，在所述一个或多个节点发生扰动后，且所述一个或多个节点发生的扰动没有传播之前，预测出所述扰动在所述节点之间随所述一个或多个时间步长传播的情况。