基于增量更新的电力系统极限切除时间预测模型建立方法

本发明属于电力系统稳定性分析领域，更具体地，涉及一种基于增量更新的电力系统极限切除时间预测模型建立方法。

背景技术：

1、随着我国电网规模不断发展，高比例可再生能源和电力电子设备不断接入，电力系统的安全稳定分析越发重要。预防控制是电力系统三道防线之一，其中，极限切除时间作为电力系统动态安全稳定裕度的关键评价指标，能够为是否采取预防控制措施提供有效指导。

2、目前极限切除时间在线求解方法有直接法和数据驱动方法。随着人工智能的快速发展，直接法对极限切除时间的在线求解速度已经远远落后于数据驱动方法。数据驱动方法需要海量数据进行离线训练，而离线训练的基础是电力系统仿真数据和极限切除时间标签。为了保证极限切除时间标签的精度，一般采用时域仿真通过二分法不断逼近真实值。但二分法尝试次数多，导致仿真耗时长，严重限制了研究效率。因此，如何简化二分法求解空间，提高极限切除时间具有重要研究意义。

技术实现思路

1、针对现有技术的缺陷和改进需求，本发明提供了一种基于增量更新的电力系统极限切除时间预测模型建立方法，其目的在于简化二分法在极限切除时间的求解空间，提升算法求解效率。

2、为实现上述目的，按照本发明的一个方面，提供了一种基于增量更新的电力系统极限切除时间预测模型建立方法，包括：s1，构建初始的预测模型，采样获取多个批次的电力系统运行状态量；s2，采用二分法，求解第一批次的电力系统运行状态量对应的极限切除时间；s3，以第i批次的电力系统运行状态量为输入，对应的极限切除时间为标签，训练最新的预测模型，i的初始值为1；s4，利用训练后的预测模型，确定第i+1批次的电力系统运行状态量对应极限切除时间所处的简化求解区间，采用二分法从所述简化求解区间中确定对应的极限切除时间，对i加一；s5，重复执行所述s3-s4，直至预测模型的损失函数收敛，或者，直至已利用全部批次的电力系统运行状态量训练预测模型。

3、更进一步地，所述s3具体包括：i＝1时，以第一批次的电力系统运行状态量为输入，对应的极限切除时间为标签，有监督地训练初始的预测模型；i＞1时，以第i批次的电力系统运行状态量为输入，对应的极限切除时间为标签，通过增量学习训练最新的预测模型。

4、更进一步地，i＝1时，训练初始的预测模型的方式为：

5、

6、其中，为第一目标函数，θ为预测模型的参数，n为同一批次的电力系统运行状态量的数量，表示训练集数据，x(n)、y(n)分别为同一批次中第n个电力系统运行状态量、相应的极限切除时间，f()表示预测模型的预测结果，l()表示标签损失，ω(θ)为预测模型的正则化项。

7、更进一步地，i＞1时通过增量学习训练最新的预测模型的方式为：

8、

9、其中，f为训练前最新的预测模型，θf为f的参数，为该批次下f需要更新的参数，为第二目标函数，表示该批次的训练集数据。

10、更进一步地，所述s4确定的简化求解区间为：

11、

12、其中，为将第i+1批次的电力系统运行状态量输入训练后的预测模型，得到的极限切除时间预测结果；εmax_i为与第i批次电力系统运行状态量对应真实极限切除时间之间的最大绝对误差。

13、更进一步地，所述s2具体包括：s21，确定第一批次的电力系统运行状态量对应的极限切除时间求解区间的上下限；s22，将故障切除时间设置为区间均值，仿真判断此时电力系统是否稳定，若稳定，将极限切除时间求解区间下限设置为区间均值，若不稳定，将极限切除时间求解区间上限设置为区间均值；s23，重复执行所述s22，直至区间长度小于预设极限切除时间精度。

14、更进一步地，所述电力系统运行状态量包括：电力系统节点电压的幅值和相角，发电机的有功功率、无功功率和机械功率，负荷的有功功率和无功功率，以及线路间的有功传输功率和无功传输功率。

15、按照本发明的另一个方面，提供了一种基于增量更新的电力系统极限切除时间确定方法，包括：将当前的电力系统运行状态量输入如上所述的基于增量更新的电力系统极限切除时间预测模型建立方法得到的预测模型，预测模型输出相应的极限切除时间。

16、按照本发明的另一个方面，提供了一种电子设备，包括：处理器；存储器，其存储有计算机可执行程序，所述程序在被所述处理器执行时，使得所述处理器执行如上所述的方法。

17、按照本发明的另一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的方法。

18、总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：

19、(1)提供了一种基于增量更新的电力系统极限切除时间预测模型建立方法，利用预测模型作为辅助手段，指导电力系统极限切除时间的求解，简化了二分法的求解区间，从而减少了二分法求解次数，提高样本标签生成效率以及模型训练效率，提高了这一阶段下极限切除时间的求解效率；

20、模型训练与样本生成交叉式进行，在使用过程中，利用预测模型提高样本标签生成效率，再利用得到的样本提升预测模型的效果，提升了模型的训练效率和数据的使用效率；

21、(2)预测模型为下一批次电力系统运行状态量所确定的简化求解区间为在该区间中采用二分法继续确定精确的极限切除时间，相比于传统二分法，该简化求解区间将求解运算量降低了90％，大幅提高模型的训练效率。

技术特征：

1.一种基于增量更新的电力系统极限切除时间预测模型建立方法，其特征在于，包括：

2.如权利要求1所述的基于增量更新的电力系统极限切除时间预测模型建立方法，其特征在于，所述s3具体包括：

3.如权利要求2所述的基于增量更新的电力系统极限切除时间预测模型建立方法，其特征在于，i＝1时，训练初始的预测模型的方式为：

4.如权利要求2所述的基于增量更新的电力系统极限切除时间预测模型建立方法，其特征在于，i>1时通过增量学习训练最新的预测模型的方式为：

5.如权利要求1所述的基于增量更新的电力系统极限切除时间预测模型建立方法，其特征在于，所述s4确定的简化求解区间为：

6.如权利要求1-5任一项所述的基于增量更新的电力系统极限切除时间预测模型建立方法，其特征在于，所述s2具体包括：

7.如权利要求1所述的基于增量更新的电力系统极限切除时间预测模型建立方法，其特征在于，所述电力系统运行状态量包括：电力系统节点电压的幅值和相角，发电机的有功功率、无功功率和机械功率，负荷的有功功率和无功功率，以及线路间的有功传输功率和无功传输功率。

8.一种基于增量更新的电力系统极限切除时间确定方法，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一项所述的方法。

技术总结本发明公开了一种基于增量更新的电力系统极限切除时间预测模型建立方法，属于电力系统稳定性分析领域，包括：S1，采样获取多个批次的电力系统运行状态量；S2，采用二分法，求解第一批次的电力系统运行状态量对应的极限切除时间；S3，以第i批次的电力系统运行状态量为输入，对应的极限切除时间为标签，训练最新的预测模型，i的初始值为1；S4，利用训练后的预测模型，确定第i+1批次的电力系统运行状态量对应极限切除时间所处的简化求解区间，采用二分法从简化求解区间中确定对应的极限切除时间，对i加一；S5，重复执行S3‑S4以训练预测模型。本方法可以简化二分法在极限切除时间的求解空间，提升算法求解效率。技术研发人员：姚伟,兰宇田,韦善阳,艾小猛,文劲宇受保护的技术使用者：华中科技大学技术研发日：技术公布日：2024/11/14