(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211039140.0 (22)申请日 2022.08.29 (71)申请人 华北电力大 学 地址 102206 北京市昌平区回龙观镇北农 路2号 申请人 中国电力科 学研究院有限公司 　 国网山东省电力公司 (72)发明人 郑乐　徐衍会　李庚银　王正　 徐式蕴　李宗翰　赵兵　武诚　 汪挺　李新　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 万慧华 (51)Int.Cl. G06Q 50/06(2012.01) G06Q 10/06(2012.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) H02J 3/00(2006.01) (54)发明名称 一种电力系统暂态稳定 评估方法及系统 (57)摘要 一种电力系统暂态稳定评估方法及系统， 属 于电力系统技术领域， 电力系统暂态稳定评估 方 法包括： 根据初始样本集对第一深度神经网络进 行迭代训练， 得到初始评估模型； 根据每次迭代 训练过程中第一深度神经网络的权值、 对样本运 行数据的预测结果及样本运行数据的标签， 确定 重要性指标； 基于初始评估模型确定稳定参数； 根据重要性指标及稳定参数确定样本数据的稳 定性分数； 将初始样本集中稳定性分数大于最大 阈值或小于最小阈值的样本数据剔除， 对第二深 度神经网络进行迭代训练； 基于最优评估模型， 根据电力系统的实时运行数据， 确定暂态稳定状 态。 节省了训练时间， 提高了评估模型的泛化能 力及暂态稳定 评估的准确率。 权利要求书2页 说明书8页 附图2页 CN 115272000 A 2022.11.01 CN 115272000 A 1.一种电力系统暂态稳定评估方法， 其特征在于， 所述电力系统暂态稳定评估方法包 括： 获取初始样本集； 所述初始样本集中包括多个样本数据， 每个样本数据包括电力系统 暂态故障发生后的样本运行 数据及样本运行 数据的标签； 根据所述初始样本集， 对第 一深度神经网络进行迭代训练， 得到初始评估模型， 并记录 每次迭代训练过程中第一深度神经网络的权值， 以及每次迭代训练过程中的第一深度神经 网络对各样本运行 数据的预测结果； 针对任一样本数据， 根据每次迭代训练过程中第一深度神经网络的权值、 每次迭代训 练过程中的第一深度神经网络对所述样本数据中的样本运行数据的预测结果及所述样本 运行数据的标签， 确定所述样本数据的重要性指标； 基于所述初始评估模型， 确定所述样本数据的稳定参数； 所述稳定参数为所述初始评 估模型对所述样本数据的预测结果； 根据所述样本数据的重要性指标及稳定参数， 确定所述样本数据的稳定性分数； 将所述初始样本集中稳定性分数大于最大阈值或小于最小阈值的样本数据剔除， 得到 最优样本集； 根据所述 最优样本集， 对第二深度神经网络进行迭代训练， 得到最优评估 模型； 基于所述最优评估模型， 根据电力系统的实时运行数据， 确定对应时刻所述电力系统 的暂态稳定状态。 2.根据权利要求1所述的电力系统暂态稳定评估方法， 其特征在于， 所述样本运行数据 包括电力系统暂态故障发生后的有功 功率、 无功 功率、 电压幅值及电压相角。 3.根据权利要求1所述的电力系统暂态稳定评估方法， 其特征在于， 所述获取初始样本 集， 具体包括： 基于仿真平台模拟多组电力系统暂态故障发生后的样本运行数据， 并确定各样本运行 数据对应的初始标签； 所述初始标签为0或1， 初始标签为0表示对应的样本运行数据不稳 定， 初始标签为1表示对应的样本运行 数据稳定； 对各样本运行 数据的初始标签进行独热编码， 得到各样本运行 数据最终的标签。 4.根据权利要求1所述的 电力系统暂态稳定评估方法， 其特征在于， 采用以下公式， 计 算第j个样本数据的重要性指标： 其中， SSIj为第j个样本数据的重要性指标， wt为第t次迭代过程中第一深度神经网络的 权值， xj为第j个样本数据中的样本 运行数据， yj为第j个样本数据中样本 运行数据的标签， p (wt,xj)为第t次迭代过程中的第一深度神经网络对样本运行 数据xj的预测结果， 表示求期 望， || ||2表示求二范数。 5.根据权利要求1所述的电力系统暂态稳定评估方法， 其特征在于， 所述根据 所述样本 数据的重要性指标及稳定参数， 确定所述样本数据的稳定性分数， 具体包括： 对所述样本数据的重要性指标进行归一 化处理， 得到归一 化重要度； 根据所述归一 化重要度及所述稳定参数， 确定所述样本数据的稳定性分数。 6.根据权利要求5所述的 电力系统暂态稳定评估方法， 其特征在于， 采用以下公式， 对权　利　要　求　书 1/2 页 2 CN 115272000 A 2第j个样本数据的重要性指标进行归一 化处理： 其中， SSI_normj为第j个样本数据的归一化重要度， SSIj为第j个样本数据的重要性指 标。 7.根据权利要求5所述的 电力系统暂态稳定评估方法， 其特征在于， 采用以下公式， 计 算第j个样本数据的稳定性分数： 其中， SSj为第j个样本数据的稳定性分数， aj为第j个样本数据的稳定参数， SSI_normj 为第j个样本数据的归一 化重要度。 8.一种电力系统暂态稳定评估系统， 应用于权利要求1 ‑7中任一项所述的 电力系统暂 态稳定评估方法， 其特 征在于， 所述电力系统暂态稳定 评估系统包括： 初始样本获取单元， 用于获取初始样本集； 所述初始样本集中包括多个样本数据， 每个 样本数据包括电力系统暂态故障发生后的样本运行 数据及样本运行 数据的标签； 第一训练单元， 与所述初始样本获取单元连接， 用于根据所述初始样本集， 对第 一深度 神经网络进行迭代训练， 得到初始评估模型， 并记录每次迭代训练过程中第一深度神经网 络的权值， 以及每次迭代训练过程中的第一深度神经网络对各样本运行 数据的预测结果； 重要性确定单元， 分别与所述初始样本获取单元及所述第一训练单元连接， 用于针对 任一样本数据， 根据每次迭代训练过程中第一深度神经网络的权值、 每次迭代训练过程中 的第一深度神经网络对所述样本数据中的样本运行数据的预测结果及所述样本运行数据 的标签， 确定所述样本数据的重要性指标； 稳定参数确定单元， 与所述第 一训练单元连接， 用于基于所述初始评估模型， 确定所述 样本数据的稳定参数； 所述稳定参数为所述初始评估 模型对所述样本数据的预测结果； 稳定分数确定单元， 分别与所述重要性确定单元及所述稳定参数确定单元连接， 用于 根据所述样本数据的重要性指标及稳定参数， 确定所述样本数据的稳定性分数； 最优样本确定单元， 分别与所述初始样本获取单元及所述稳定分数确定单元连接， 用 于将所述初始样本集中稳定性分数大于最大阈值或小于最小阈值的样本数据剔除， 得到最 优样本集； 第二训练单元， 与所述最优样本确定单元连接， 用于根据所述最优样本集， 对第 二深度 神经网络进行迭代训练， 得到最优评估 模型； 预测单元， 与所述第二训练单元连接， 用于基于所述最优评估模型， 根据电力系统 的实 时运行数据， 确定对应时刻所述电力系统的暂态稳定状态。权　利　要　求　书 2/2 页 3 CN 115272000 A 3