电力系统主导稳定模式识别方法、设备、存储介质和产品

本发明涉及主导稳定模式识别，特别是涉及一种电力系统主导稳定模式识别方法、设备、存储介质和产品。

背景技术：

1、现在电力系统安全问题仍不容忽视，故障后暂态过程中功角与电压失稳两种失稳形态相互耦合，交织作用，功角失稳会导致振荡中心低电压，电压失稳会约束局部机组功率外送进而引发功角失稳，因此准确快速识别主导稳定模式对于新型电力系统安全防御具有重大意义。

2、但是现在在电力系统的稳定性分析中，处理和分析高维时序数据(如功角数据、母线电压数据、线路有功功率和线路无功功率)是一项挑战。这些数据的维度高，包含的信息量大，直接处理和分析这些数据需要大量的计算资源，导致识别速度慢，且难以揭示数据的内在规律和特征，导致识别精度低。而且，目前，主导稳定模式识别主要依赖时域仿真法和能量函数法，由于需要准确的电网信息、计算耗时长等缺点也导致识别的速度慢，精度低。

3、综上所述，现有的电力系统主导稳定模式识别方法无法准确快速识别主导稳定模式。

技术实现思路

1、本发明的目的是提供一种电力系统主导稳定模式识别方法、设备、存储介质和产品，可准确快速识别电力系统主导稳定模式。

2、为实现上述目的，本发明提供了如下方案：

3、一种电力系统主导稳定模式识别方法，包括：

4、获取目标电力系统在暂态过程中的电气量数据；

5、将所述目标电力系统在暂态过程中的电气量数据输入训练好的主导稳定模式识别总模型，得到所述目标电力系统的主导稳定模式；主导稳定模式识别总模型包括依次连接的自编码器时空两阶段降维模块、全连接层、基于transformer的主导稳定模式识别模型和softmax层；所述自编码器时空两阶段降维模块包括多个均与所述全连接层连接的自编码器时空两阶段降维模型；所述自编码器时空两阶段降维模型包括依次连接的自编码器时间降维模型和自编码器空间降维模型；基于transformer的主导稳定模式识别模型包括多个依次连接的transformer子模块；所述transformer子模块包括transformer模型中的编码器和残差连接；所述电力系统主导稳定模式包括稳定、功角主导失稳和电压主导失稳。

6、可选的，训练好的主导稳定模式识别总模型确定过程，具体包括：

7、构建电气数据集；所述电气数据集包括含高比例新能源交直流混联电力系统在各场景下的样本，一个场景下的样本包括从所述场景对应的故障发生前1周波的稳态时刻到故障发生后498周波的稳态时刻之间含高比例新能源交直流混联电力系统中各节点的电气量数据；

8、将所述电气数据集分为训练集和测试集；

9、以总损失函数最小为目标，根据所述训练集、所述测试集以及所述电气数据集中各样本对应的真实电力系统主导稳定模式，采用adam优化器对主导稳定模式识别总模型进行训练和测试得到训练好的主导稳定模式识别总模型。

10、可选的，所述自编码器时空两阶段降维模块包括4个均与所述全连接层连接的自编码器时空两阶段降维模型。

11、可选的，所述基于transformer的主导稳定模式识别模型包括3个依次连接的transformer子模块。

12、可选的，获取目标电力系统在暂态过程中的电气量数据，具体为pmu装置记录的目标电力系统的暂态数据。

13、可选的，总损失函数计算步骤为：

14、将所述训练集输入自编码器时空两阶段降维模块得到训练集对应的时空降维数据集；

15、对所述训练集对应的时空降维数据集进行解码得到重构时间维度数据集；

16、对所述重构时间维度数据集进行解码得到重构数据集；

17、基于重构时间维度数据集与所述训练集对应的时空降维数据集计算第二阶段自编码器重构损失函数值；

18、基于所述重构数据集与所述电气数据集计算第一阶段自编码器重构损失函数值；

19、将所述电气数据集输入所述基于transformer的主导稳定模式识别模型得到各样本的类别预测概率；

20、根据各样本的类别预测概率各样本的真实电力系统主导稳定模式计算多分类交叉熵损失函数；

21、根据基于transformer的主导稳定模式识别模型中前馈神经网络的权重矩阵计算l1正则化损失函数；

22、根据第一阶段自编码器重构损失函数、第二阶段自编码器重构损失函数、多分类交叉熵损失函数和l1正则化损失函数计算总损失函数。

23、可选的，根据第一阶段自编码器重构损失函数值、第二阶段自编码器重构损失函数值、多分类交叉熵损失函数值和l1正则化损失函数值计算总损失函数值，具体为：根据公式l＝αlrecon1+βlrecon2+γlcross-entropy+λll1计算总损失函数值，其中，l表示总损失函数，lrecon1表示第一阶段自编码器重构损失函数，lrecon2表示第二阶段自编码器重构损失函数，lcross-entropy表示多分类交叉熵损失函数，ll1表示l1正则化损失函数，α表示lrecon1的权重，β表示lrecon2的权重，γ表示lcross-entropy的权重，λ表示ll1的权重。

24、一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述所述电力系统主导稳定模式识别方法。

25、一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述所述电力系统主导稳定模式识别方法。

26、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述所述电力系统主导稳定模式识别方法。

27、根据本发明提供的具体实施例，本发明公开了以下技术效果：

28、本发明提供的电力系统主导稳定模式识别方法中主导稳定模式识别总模型中的自编码器时空两阶段降维模型包括自编码器时间降维模型和自编码器空间降维模型，对电气量数据进行时间和空间的降维，显著减少了数据处理的时间和空间的复杂度，解决无法快速识别主导稳定模式的问题，主导稳定模式识别总模型中的基于transformer的主导稳定模式识别模型包括多个依次连接的transformer子模块；transformer子模块为transformer模型中的编码器，因为transformer模型中的编码器的自注意力机制使得模型能够在不同时间点的电气量之间建立复杂的关联，有助于更准确地预测和识别电力系统的主导稳定模式。

技术特征：

1.一种电力系统主导稳定模式识别方法，其特征在于，包括：

2.根据权利要求1所述的电力系统主导稳定模式识别方法，其特征在于，训练好的主导稳定模式识别总模型确定过程，具体包括：

3.根据权利要求1所述的电力系统主导稳定模式识别方法，其特征在于，所述自编码器时空两阶段降维模块包括4个均与所述全连接层连接的自编码器时空两阶段降维模型。

4.根据权利要求1所述的电力系统主导稳定模式识别方法，其特征在于，所述基于transformer的主导稳定模式识别模型包括3个依次连接的transformer子模块。

5.根据权利要求1所述的电力系统主导稳定模式识别方法，其特征在于，获取目标电力系统在暂态过程中的电气量数据，具体为pmu装置记录的目标电力系统的暂态数据。

6.根据权利要求2所述的电力系统主导稳定模式识别方法，其特征在于，总损失函数值计算步骤为：

7.根据权利要求6所述的电力系统主导稳定模式识别方法，其特征在于，根据第一阶段自编码器重构损失函数值、第二阶段自编码器重构损失函数值、多分类交叉熵损失函数值和l1正则化损失函数值计算总损失函数值，具体为：根据公式l＝αlrecon1+βlrecon2+γlcross-entropy+λll1计算总损失函数值，其中，l表示总损失函数，lrecon1表示第一阶段自编码器重构损失函数，lrecon2表示第二阶段自编码器重构损失函数，lcross-entropy表示多分类交叉熵损失函数，ll1表示l1正则化损失函数，α表示lrecon1的权重，β表示lrecon2的权重，γ表示lcross-entropy的权重，λ表示ll1的权重。

8.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-7中任一项所述电力系统主导稳定模式识别方法。

9.一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，该计算机程序被处理器执行时实现权利要求1-7中任一项所述电力系统主导稳定模式识别方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7中任一项所述电力系统主导稳定模式识别方法。

技术总结
本发明公开一种电力系统主导稳定模式识别方法、设备、存储介质和产品，涉及主导稳定模式识别技术领域。所述方法包括：将目标电力系统在暂态过程中的电气量数据输入训练好的主导稳定模式识别总模型，得到目标电力系统的主导稳定模式；主导稳定模式识别总模型包括依次连接的自编码器时空两阶段降维模块、全连接层、基于Transformer的主导稳定模式识别模型和softmax层；自编码器时空两阶段降维模块包括多个均与全连接层连接的自编码器时空两阶段降维模型；基于Transformer的主导稳定模式识别模型包括多个依次连接的Transformer子模块。本发明可准确快速识别电力系统主导稳定模式。

技术研发人员：夏世威,张辰讳,王浩宇,苏志军,李海洋,劭力拓,李庚银,郑乐
受保护的技术使用者：华北电力大学
技术研发日：
技术公布日：2024/9/23