基于PLNN的电力系统短期电压稳定性评估方法

技术特征：
1.一种基于plnn的电力系统短期电压稳定性评估方法，其特征在于，包括以下步骤：步骤1：从电网的调度运行记录中采集电网的运行方式集、故障集和节点集；步骤2：根据所述电网的运行方式集、故障集和节点集，采用计算机时域仿真方法对电网中各节点在三相短路故障下进行n次时域仿真，分别记录每次时域仿真过程中节点在故障发生后δt时间内电压、电流、有功功率、无功功率随时间的变化曲线，四种变化曲线均形成长度为m的时间序列，依次记为u、i、p、q，其中δt＝(m-1)*δt，δt为仿真时间间隔，m为所记录的变化曲线的数据点数，同时记录每次时域仿真过程中电网的状态z，将电网处于稳定状态记为z＝1，电网处于失稳状态记为z＝-1；步骤3：将一次时域仿真过程中记录的电压、电流、有功功率、无功功率合成一个样本，进行n次时域仿真后共得到n个样本，n个样本形成一个初始样本集，作为训练集数据；步骤4：利用训练集数据对plnn模型进行训练，并对plnn模型进行解释；步骤5：对训练集中某一条时间序列，通过对该条时间序列使用滑动窗口方法产生的每个子序列加入高斯白噪声的方式产生扰动序列集合，再根据plnn模型找到对该条时间序列分类结果影响最大的子序列，作为shapelet候选集合中的一个元素，对该类中的每一条时间序列重复上述过程，得到该类的shapelet候选集合；步骤6：在shapelet候选集合中有区域重叠的候选shapelet，只保留其中评分最高的候选，即加入扰动后对原分类结果改变最大的子序列，作为最终的shapelet之一，从而得到某类时间序列的最终shapelet集合，最终shapelet集合中的shapelet所在区域一定不重合；步骤7：将最终的shapelet集合与逻辑回归分类器结合，对shapelet进行调整并对时间序列进行分类，并输出电网状态z’,获得电网暂态电压稳定的实时评估结果。2.根据权利要求1所述的一种基于plnn的电力系统短期电压稳定性评估方法，其特征在于，步骤4中所述plnn模型为使用线性函数作为激活函数的神经网络模型；给定一个有l层的plnn模型将的第l层表示为则表示输入层，表示输出层，其他的层表示隐藏层，其中l∈(2,...,l-1)，使用n
l
表示第层神经元的个数，则隐藏层神经元的总数为使用a
(l)
表示第层的输出，w
(l)
表示第层所有节点与第层所有节点的权重矩阵，b
(l)
表示层的偏置，z
(l)
表示层的加权和向量，对于l∈{1,...,l-1},z
(l 1)
下式进行计算：z
(l 1)
＝w
(l)
a
(l)
b
(l)
plnn模型中每个隐藏层神经元使用线性激活函数f:作为激活函数，对于l∈{2,...,l-1}，a
(l)
用下式计算；a
(l)
＝f(z
(l)
)当l＝1时，表示输入层，使用表示plnn模型的输入，其中表示一个d维的输入空间；输入层包含n1＝d个神经元，并且输出层的每个神经元其中i∈{1,...,d}；也就是说a
(1)
＝x；当l＝l时，表示输出层，plnn模型的输出用表示，其中，是一个nl维的输出空间，输出层使用softmax函数去计算输出，即a
(l)
＝softmax(z
(l)
)。
3.根据权利要求1所述的一种基于plnn的电力系统短期电压稳定性评估方法，其特征在于，步骤4中所述训练为，设定一个长度为l的矩形窗，其中2<l<m，通过矩形窗滑动方式从步骤3中得到的n个样本中的第i个样本的u、i、p、q时间序列中获取长度为l的子序列集，给定一个未经训练的plnn模型，将实例x以向量形式输入到plnn模型中，层以全连接的形式输入到层，第层的输出经过一层以relu为激活函数的神经元节点，只有部分被激活的权重和偏置得以保留，而部分权重与偏置已经被舍弃置为0；不断重复训练，确定plnn模型的参数。

技术总结
本发明提供一种基于PLNN的电力系统短期电压稳定性评估方法，涉及电压稳定性评估技术领域。本方法从电网的调度运行记录中采集电网的典型运行方式集、典型故障集和节点集，采用计算机时域仿真方法对电网中各节点在各种运行方式下的各种故障进行N次时域仿真，将一次时域仿真过程中记录的数据集合成样本，作为训练集数据。利用PLNN从时间序列中提取出与电网稳定状态密切相关的关键字序列作为特征属性，再采用逻辑回归和梯度下降的方法对电压时间序列进行分类，从而对电网暂态电压稳定状况进行可靠的在线监测与评估。行可靠的在线监测与评估。行可靠的在线监测与评估。


技术研发人员：赵宇海 杨壮观 张恩涌 于长永
受保护的技术使用者：东北大学秦皇岛分校
技术研发日：2022.08.30
技术公布日：2022/11/18