(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110471521.5 (22)申请日 2021.04.2 9 (65)同一申请的已公布的文献号 申请公布号 CN 113177357 A (43)申请公布日 2021.07.27 (73)专利权人 清华大学 地址 100084 北京市海淀区清华园1号 (72)发明人 孙宏斌　周艳真　郭庆来　王彬　 吴文传　王铮澄　兰健　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 罗文群 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/18(2020.01)G06K 9/62(2022.01) G06N 3/08(2006.01) H02J 3/00(2006.01) G06F 111/02(2020.01) G06F 113/04(2020.01) (56)对比文件 CN 110417005 A,2019.1 1.05 CN 109921414 A,2019.0 6.21 CN 110994604 A,2020.04.10 US 6636841 B1,20 03.10.21 审查员 丛磊 (54)发明名称 一种电力系统暂态稳定 评估方法 (57)摘要 本发明涉及一种电力系统暂态稳定评估方 法， 属于电力系统稳定分析技术领域。 首先对电 力系统不同运行工况和预设故障进行暂态稳定 仿真， 采集电力系统在故障发生前的数据， 通过 暂态稳定标签的统计结果和最大最小归一化方 法得到不同预设故障下的数据集； 然后， 基于 Jaccard距离和Hausdorff距离构建不同预设故 障的相似性评价指标， 基于相似性评价指标对不 同预设故障的数据集进行聚类； 对每个聚类内的 不同预设故障依次训练权值共享的多任务孪生 神经网络， 得到用于暂态稳定评估的多个多任务 孪生神经网络。 本方法考虑了暂态稳定评估中不 同预设故障的相似性， 利用相似 预设故障的不同 数据集训练孪生网络， 有利于提高暂态稳定评估 模型的泛化能力， 从而提高暂态稳定评估结果的 准确性。 权利要求书5页 说明书6页 附图1页 CN 113177357 B 2022.08.09 CN 113177357 B 1.一种电力系统暂态稳定评估方法， 其特征在于， 首先从暂态稳定仿真数据中采集电 力系统在故障发生前的数据和暂态稳定标签， 通过对暂态稳定标签的统计结果和最大最小 归一化方法得到不同预设故障下的数据集； 然后， 基于Jaccard距离和Hausdorff距离构建 不同预设故障的相似性评价指标， 采用聚类算法实现对不同预设故障的聚类； 依 次对每个 聚类内的不同预设故障进 行孪生神经网络训练， 得到用于暂态稳定评估的多任务孪生神经 网络； 最后， 根据暂态稳定标签的统计结果， 以及暂态稳定评估的多任务孪生神经网络， 得 到电力系统在所有f个预设故障下的暂态稳定 评估结果； 具体步骤如下： (1)根据电力系统历史运行和未来规划情况并考虑电网未来可能出现的重负荷情况， 设置s0种运行工况， 每种运行工况下分别设置f种预设故障， 利用数值计算方法对电力系统 在s0种运行工况下分别发生f种预设故障后的暂态稳定性进行仿真计算， 依次采集故障发 生前的发电机特征、 线路特征以及不同预设故障下 的暂态稳定标签， 根据暂态稳定标签的 统计结果和最大最小归一 化方法， 得到数据集O0， 具体步骤如下： (1‑1)对一个具有N台发电机的电力系统， 根据电力系统历史运行和未来规划情况并考 虑电网未来可能出现的重负荷情况， 设置s0种运行工况， 每种运行工况下分别设置f种预设 故障， 利用数值计算方法对电力系统在s0种运行工况下的分别发生f种预设故障后的暂态 稳定性进行仿真计算， 依次采集第k种运行工况下所有发电机在故障发生前的有功功率 PGik、 机端电压VGik、 线路的有功功率PLjk、 线路的无功功率QLjk和暂态稳定性标签[y1k, y2k,…,yak,…,yfk]， 构成原始数据集[PGik,VGik,PLjk,QLjk,y1k,y2k,…,yak,…,yfk]， 上标k表示 运行工况编号， 即s0种运行工况中的第k种运行工况， k＝1,2, …,s0， 下标i表示第i台发电 机， i＝1, …,N， 下标j表示第j条线路， j＝1, …,M， M为电力系统中的线路数， yak是电力系统 在第k种运行工况下发生第a种预设故障后的暂态稳定标签， 下标a表 示第a种预设故障， a＝ 1,…,f， 若电力系统在第 k种运行工况下发生第a种预设故障后发生暂态失稳， 则yak＝1， 若 电力系统在第k种运行工况 下发生第a种预设故障后能够保持暂态稳定， 则yak＝0； (1‑2)根据最大最小归一化方法， 分别对步骤(1 ‑1)的原始数据集中的PGik、 VGik、 PLjk和 QLjk进行归一化处理， 得到归一化后的故障发生前所有发电机的有功功率 归一化后的 故障发生前所有发电机母线的电压幅值 归一化后的故障发生前所有线路的有功功率 归一化后的故障发生前 所有线路的无功 功率 归一化的公式为： 权　利　要　求　书 1/5 页 2 CN 113177357 B 2(1‑3)依次对步骤(1 ‑1)得到的暂态稳定标签 在s0种运行工况下的 取值进行 统计， 若第a个预设故障的暂态稳定标签yak满足 则将第a个预设故障放 入故障集合Z1中， 且不进行后续暂态稳定评估孪生神经网络的构建， 若第a个预设故障的暂 态稳定标签yak满足 则将第a个预设故障放入故障集合Z0中， 且不进行后续暂态稳 定评估孪生神经网络的构建， 若第a个预设故障的暂态稳定标签满足 则将第 a个预设故障放入故障集合Z2中， 记Z2中最终有b个预设故障， b个预设故障分别记为E(1)， E (2),…,E(b)， b个预设故障的暂态稳定标签分别记为yE(1)k,yE(2)k,...,yE(b)k； (1‑4)根据步骤(1 ‑2)的 和步骤(1 ‑3)中故障集合Z2中的暂态稳定 标签yE(1)k,yE(2)k,...,yE(b)k， 得到经过数据预处 理后的数据集O0： (2)根据电力系统历史运行和未来规划情况并考虑电网未来可能出现的重负荷情况， 对步骤(1 ‑1)的电力系统重新设置s1×b种运行工况， 考虑步骤(1 ‑3)得到的故障集合Z2中的 b种预设故障， 利用数值计算方法依次进 行电力系统暂态稳定仿 真计算， 从仿真结果数据中 采集故障发生前 的发电机特征、 线路特征以及不同预设故障下的暂态稳定性标签， 根据暂 态稳定标签的统计结果和步骤(1 ‑2)的最大最小归一化方法， 得到新数据集Onew， 具体步骤 如下： (2‑1)根据电力系统历史运行和未来规划情况并考虑电网未来可能出现的重负荷情 况， 对步骤(1 ‑1)的电力系统重新设置s1×b种运行工况， 编号分别记为s0+1,s0+2,…,s0+s1 ×b， 利用数值计算方法依次对电力系统在第d个运行工况下发生步骤(1 ‑3)得到的故障集 合Z2中第 种预设故障进行 暂态稳定仿真计算， 采集第d种运行工况下 所有发电机在故障发生前的有功功率PGid、 机端电压VGid、 线路的有功功率PLjd、 线路的无功 功率QL jd和暂态稳定性标签 得到数据集[PG id,VG id,PL jd,QL jd, 其中d＝s0+1,s0+2,…,s0+s1×b； (2‑2)根据步骤(1 ‑2)的最大最小归一化方法， 对步骤(2 ‑1)得到的数据集 中的PGid、 VGid、 PLjd和QLjd进行归一化处理， 得到第d种运行 工况下， 归一化后的故障发生前所有发电机的有功功率 归一化后的故障发生前所有 发电机母线的电压幅值 归一化后的故障发生前所有线路的有功功率 归一化后的 故障发生前 所有线路的无功 功率 权　利　要　求　书 2/5 页 3 CN 113177357 B 3