[发明专利]基于卷积神经网络的电力系统暂态稳定评估方法

摘要

本发明公开了一种基于卷积神经网络的电力系统暂态稳定评估方法，该方法将电力系统中WAMS系统采集到的各母线电压幅值和相角的时域响应信息作为原始输入特征；借鉴处理图片像素的方法，通过卷积神经网络和Dropout技术构建电力系统暂态稳定评估模型。该模型由输入层、卷积层、池化层、全连接层和Softmax输出层组成。本发明无需人工提取输入特征，而是根据WAMS系统得到的实时响应信息，直接进行电力系统暂态稳定性判断；本发明大大减少了网络训练参数，减小了训练难度，提高了训练效率，有效地防止了过拟合，具有较高的评估准确率和极强的泛化能力。

主权项

1.基于卷积神经网络的电力系统暂态稳定评估方法，其特征在于，所述方法的步骤包括：步骤(1)，利用时域暂态稳定仿真生成学习样本集，或者利用WAMS系统对电力系统采集得到的历史数据作为学习样本集。系统采样频率为每周波一个采样点，从故障发生时刻的前一个采样点开始，记录系统采集到的各母线的电压幅值和相角的时域响应信息，作为样本特征即为评估模型的输入。步骤(2)，采用线性归一化方法对所述样本特征数据集进行归一化预处理。步骤(3)，根据暂态稳定类别对样本标签数据集进行编码，暂态稳定的标签设为10，暂态失稳的标签设为01。步骤(4)，根据所述输入特征构建卷积神经网络暂态稳定评估模型，然后以2:1的比例将样本分成训练集和测试集，以评估准确率为评估指标构建最佳精度的暂态稳定评估模型；步骤(5)，利用步骤(2)和步骤(4)对WAMS系统采集得到的新电力系统数据信息进行处理，构建预测数据集；步骤(6)，利用步骤(4)中构建的卷积神经网络暂态稳定评估模型对所述预测数据集进行判断，获得暂态稳定性的评估结果。