本發(fā)明涉及電力系統(tǒng)暫態(tài)穩(wěn)定評估，尤其涉及一種可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法及系統(tǒng)。

背景技術：

1、本部分的陳述僅僅是提供了與本發(fā)明相關的背景技術信息，不必然構成在先技術。

2、隨著新能源并網(wǎng)比例逐步提升，隨機性、間歇性的電源逐漸成為主力，電網(wǎng)運行特性也隨之發(fā)生變化，低慣量、弱抗擾等特征凸顯，進而導致電力系統(tǒng)安全穩(wěn)定機制的改變。近年來，已發(fā)生多起與新能源相關的穩(wěn)定破壞事故，新型電力系統(tǒng)的暫態(tài)穩(wěn)定評估受到學術界和工業(yè)界的廣泛關注。

3、傳統(tǒng)的暫態(tài)穩(wěn)定評估的方法主要有時域仿真法和直接法，存在計算耗時長、計算復雜度高以及精準建模困難的問題，難以滿足新型電力系統(tǒng)在線穩(wěn)定判別的需求。隨著人工智能的發(fā)展，逐漸引入機器學習以提高電力系統(tǒng)暫態(tài)穩(wěn)定評估的性能。例如，支持向量機、隨機森林以及樸素貝葉斯等機器學習方法已經(jīng)被廣泛應用于暫態(tài)穩(wěn)定評估，且在效率和性能等方面均具有明顯優(yōu)勢，但依賴于選擇合理輸入的特征，且對數(shù)據(jù)隱藏模式的挖掘能力十分有限。

4、近年來，基于深度學習的電力系統(tǒng)暫態(tài)穩(wěn)定評估因具有良好的隱藏模式挖掘能力而成為新的研究熱點，人工智能算法在電力系統(tǒng)暫態(tài)穩(wěn)定評估中的應用日益普及。新型電力系統(tǒng)運行方式靈活多變，應更加關注可遷移性。現(xiàn)有工作借助主動學習策略挑選少量目標域樣本進行標注，從而降低遷移學習的樣本標注代價，但是，僅利用了少部分目標域樣本，忽略了大量無標簽樣本的潛在價值；導致模型的泛化能力較差，可能存在錯判和漏判等問題，影響電網(wǎng)安全穩(wěn)定運行。

技術實現(xiàn)思路

1、為了解決上述問題，本發(fā)明提出了一種可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法及系統(tǒng)，通過主動學習對目標域無標簽樣本進行標注，對源域模型進行初次微調(diào)；然后基于主動學習和自訓練聯(lián)合增強策略對源域模型進行二次微調(diào)，能夠充分挖掘目標域的無標簽樣本，提升源域模型的泛化能力，提高電力系統(tǒng)暫態(tài)穩(wěn)定評估的準確性。

2、在一些實施方式中，采用如下技術方案：

3、一種可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，包括：

4、獲取電力系統(tǒng)運行時的電氣參量數(shù)據(jù)，將獲取的電氣參量數(shù)據(jù)輸入至訓練好的電力系統(tǒng)暫態(tài)穩(wěn)定評估模型，輸出電力系統(tǒng)的暫態(tài)穩(wěn)定性評估結果；

5、其中，所述電力系統(tǒng)暫態(tài)穩(wěn)定評估模型的訓練過程具體如下：

6、獲取電力系統(tǒng)歷史運行的電氣參量數(shù)據(jù)，構建源域基礎模型；

7、基于不確定性準則從歷史運行的電氣參量數(shù)據(jù)中選取需要標注的目標域無標簽電氣參量樣本；

8、使用源域基礎模型對目標域無標簽電氣參量樣本進行穩(wěn)定性評估，對相應的無標簽電氣參量樣本進行標簽標注，利用進行標簽標注的樣本對源域基礎模型進行訓練，以對源域基礎模型的參數(shù)進行初次微調(diào)；

9、使用初次微調(diào)后的源域基礎模型對目標域剩余的無標簽電氣參量樣本進行穩(wěn)定性評估，將評估結果視為所述樣本的偽標簽，選取偽標簽置信度高于設定值的樣本，將其與前述進行標簽標注的樣本合并，利用合并后的樣本對源域基礎模型進行二次微調(diào)，得到訓練好的電力系統(tǒng)暫態(tài)穩(wěn)定評估模型。

10、在另一些實施方式中，采用如下技術方案：

11、一種可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估系統(tǒng)，包括：

12、數(shù)據(jù)獲取模塊，用于獲取電力系統(tǒng)運行時的電氣參量數(shù)據(jù)；

13、穩(wěn)定性評估模塊，用于將獲取的電氣參量數(shù)據(jù)輸入至訓練好的電力系統(tǒng)暫態(tài)穩(wěn)定評估模型，輸出電力系統(tǒng)的暫態(tài)穩(wěn)定性評估結果；

14、其中，所述電力系統(tǒng)暫態(tài)穩(wěn)定評估模型的訓練過程具體如下：

15、獲取電力系統(tǒng)歷史運行的電氣參量數(shù)據(jù)，構建源域基礎模型；

16、基于不確定性準則從歷史運行的電氣參量數(shù)據(jù)中選取需要標注的目標域無標簽電氣參量樣本；

17、使用源域基礎模型對目標域無標簽電氣參量樣本進行穩(wěn)定性評估，對相應的無標簽電氣參量樣本進行標簽標注，利用進行標簽標注的樣本對源域基礎模型進行訓練，以對源域基礎模型的參數(shù)進行初次微調(diào)；

18、使用初次微調(diào)后的源域基礎模型對目標域剩余的無標簽電氣參量樣本進行穩(wěn)定性評估，將評估結果視為所述樣本的偽標簽，選取偽標簽置信度高于設定值的樣本，將其與前述進行標簽標注的樣本合并，利用合并后的樣本對源域基礎模型進行二次微調(diào)，得到訓練好的電力系統(tǒng)暫態(tài)穩(wěn)定評估模型。

19、在另一些實施方式中，采用如下技術方案：

20、一種終端設備，其包括處理器和存儲器，處理器用于實現(xiàn)指令；存儲器用于存儲多條指令，所述指令適于由處理器加載并執(zhí)行上述的可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法。

21、在另一些實施方式中，采用如下技術方案：

22、一種計算機可讀存儲介質，其中存儲有多條指令，所述指令適于由終端設備的處理器加載并執(zhí)行上述的可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法。

23、與現(xiàn)有技術相比，本發(fā)明的有益效果是：

24、(1)本發(fā)明聯(lián)合主動學習和自訓練的兩階段模型微調(diào)方法，利用無標簽樣本自動生成偽標簽，并將高質量偽標簽樣本與主動學習選擇并進行長時間尺度仿真標注的有標簽樣本一起用于模型的二次微調(diào)，充分利用了大量目標域的無標簽樣本，解決了大量目標域未標注樣本沒有被充分利用的問題，提升了模型的性能和泛化能力。

25、(2)本發(fā)明通過兩階段的模型微調(diào)，解決了直接使用源域模型對目標域樣本進行標注，可能帶來的偽標簽準確率低的問題，大大提升了目標域樣本的偽標簽的質量，利用較小的時間代價便獲得了大量具有高準確率標簽的目標域樣本。

26、(3)本發(fā)明在對模型進行訓練時，在暫態(tài)穩(wěn)定評估模型常用的二元交叉熵損失基礎上，進一步引入對比損失，通過使用對比損失可以強迫模型學習到更具有判別性的特征表示，提升模型的分類性能。

27、本發(fā)明的其他特征和附加方面的優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本方面的實踐了解到。

技術特征：

1.一種可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，包括：

2.如權利要求1所述的一種可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，所述電力系統(tǒng)運行時的電氣參量數(shù)據(jù)包括：電壓、電流、功率和功角數(shù)據(jù)。

3.如權利要求1所述的一種可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，構建源域基礎模型，具體為：所述源域基礎模型是一個二分類模型，包括編碼器和分類器；

4.如權利要求1所述的一種可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，基于不確定性準則從歷史運行的電氣參量數(shù)據(jù)中選取需要標注的目標域無標簽電氣參量樣本，具體為：

5.如權利要求4所述的一種可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，計算每個目標域無標簽電氣參量樣本的不確定性，具體為：

6.如權利要求1所述的一種可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，選取偽標簽置信度高于設定值的樣本xc，具體為：

7.如權利要求1所述的一種可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，其特征在于，電力系統(tǒng)歷史運行的電氣參量數(shù)據(jù)，通過仿真獲得；當電力系統(tǒng)運行工況發(fā)生變化時，采用短時間尺度仿真的方法仿真大量目標域電氣參量樣本；基于不確定性準則從目標域無標簽電氣參量樣本中選擇少部分樣本進行長時間尺度仿真標注。

8.一種可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估系統(tǒng)，其特征在于，包括：

9.一種終端設備，其包括處理器和存儲器，處理器用于實現(xiàn)指令；存儲器用于存儲多條指令，其特征在于，所述指令適于由處理器加載并執(zhí)行權利要求1-7任一項所述的可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法。

10.一種計算機可讀存儲介質，其中存儲有多條指令，其特征在于，所述指令適于由終端設備的處理器加載并執(zhí)行權利要求1-7任一項所述的可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法。

技術總結
本發(fā)明公開了一種可遷移電力系統(tǒng)暫態(tài)穩(wěn)定評估方法及系統(tǒng)，包括：獲取電力系統(tǒng)運行時的電氣參量數(shù)據(jù)，將獲取的電氣參量數(shù)據(jù)輸入至訓練好的電力系統(tǒng)暫態(tài)穩(wěn)定評估模型，輸出電力系統(tǒng)的暫態(tài)穩(wěn)定性評估結果；其中，電力系統(tǒng)暫態(tài)穩(wěn)定評估模型的訓練過程具體如下：構建源域基礎模型；使用源域基礎模型對目標域無標簽電氣參量樣本進行標簽標注，利用標注樣本對源域基礎模型進行訓練，對模型參數(shù)進行初次微調(diào)；使用初次微調(diào)后的源域基礎模型對目標域剩余的無標簽電氣參量樣本進行穩(wěn)定性評估，利用合并后的樣本對源域基礎模型進行二次微調(diào)；本發(fā)明通過兩階段的模型微調(diào)，提升了目標域樣本的偽標簽的質量，提升模型的分類性能。

技術研發(fā)人員：石訪,宋雪萌,左建輝,聶禮強,田碩碩,楊文嫻
受保護的技術使用者：山東大學
技術研發(fā)日：
技術公布日：2024/9/9