[发明专利]一种基于深度学习融合模型的电力系统暂态稳定评估方法

摘要

本发明涉及一种基于深度学习融合模型技术的电力系统暂态稳定评估方法，该方法首先对电力系统典型故障设置仿真，提取重要母线的电压幅值和相角以及部分发电机直连线路的在故障发生前后以及故障切除前后的部分时间序列数据作为原始输入数据，然后再对其进行数据预处理后形成训练集；利用卷积神经网络网络和长短时记忆网络的融合模型建立电力系统暂态稳定评估模型。该模型由卷积层、池化层、长短时记忆网络层和全连接输出层组成。本发明利用卷积神经网络提取长时间序列信息，结合长短期记忆网络进行特征挖掘，最后利用全连接神经网络进行暂态稳定评估。该方法具有较好的评估性能，对于电力系统在线安全稳定评估具有重要意义。

主权项

1.一种基于深度学习融合模型的电力系统暂态稳定评估方法，其特征在于，包括以下步骤：步骤1：通过时域仿真法或者利用WAMS系统对电力系统采集得到的历史数据作为学习样本集，系统采样间隔为0.0083s，采集范围包括：故障发生前3周波至故障发生后3周波以及故障切除前3周波至故障切除后6周波两段序列数据，将重要母线的电压幅值和相角以及部分重要的与发电机母线直连线路的有功功率作为样本特征即模型的输入；步骤2：为了减小不同量纲对模型的影响，对样本集进行数据归一化处理；步骤3：根据发电机故障后的功角差对样本数据进行标注，稳定样本标注为01，不稳定样本标注为10；步骤4：构建基于卷积神经网络和长短时记忆网络融合模型的暂态稳定评估方法，并将步骤3中标注好的数据集按7：3划分为训练集和测试集；步骤5：利用步骤4中构建的训练集和测试集以评估准确率和召回率为标准对步骤4中的暂态稳定评估模型进行寻优，保存最佳精度的模型；步骤6：利用步骤2和步骤4，对WAMS系统新采集得到的故障数据进行处理，建立评估数据集；步骤7：利用步骤5中的所保存好的模型对测评数据集进行评估，得到稳定性结果。