一种数据驱动的电力系统安全评估方法及系统与流程

本发明涉及大数据检测的，特别涉及一种数据驱动的电力系统安全评估方法及系统。

背景技术：

1、随着数据挖掘技术的快速发展，数据驱动方法已经解决了许多与能源系统相关的预测问题，例如光伏产量预测和城市规模的建筑物能源使用预测。传统的机器学习方法，包括线性回归神经网络，决策树和支持向量机，已经被用于解决实时情况下的电力系统安全问题。但现有方案均未考虑到电力系统受小气候的影响。

2、电力系统和气象系统是世界上两个最大的非线性系统，用机制驱动的模型来描述电力系统安全弱点和小气候之间的复杂关系是非常具有挑战性的。深度数据驱动模型过于复杂，无法在实际应用中直接训练。由于输入向量是高维的，它包括时空电气特征和气象特征，因此，深度神经网络的结构相对复杂，而且很多连接权值要通过高性能计算用大规模训练数据来训练，既不可行也不经济。

技术实现思路

1、本发明的目的在于提供一种数据驱动的电力系统安全评估方法及系统，以解决现有数据驱动模型太复杂，且技术本身有局限性，而且没有考虑到受小气候的影响，导致无法准确预测和检测未来一段时间内的电力系统安全薄弱环节的问题。

2、为实现上述目的，本发明采用如下技术方案：

3、一方面，本发明提供了一种数据驱动的电力系统安全评估方法，包括：

4、获取时空数据，包括来自电力系统的电气数据和来自气象系统的气象数据；

5、将所述时空数据输入预先训练获得的时空数据驱动模型中，得到预测的不同电力传输接口的电力系统安全裕度；所述时空数据驱动模型包括深度自动编码器和任务层，所述深度自动编码器由多个自动编码器逐层堆叠构成，每一层编码器的隐藏层的输出作为下一层编码器的隐藏层的输入，最后一层编码器的隐藏层的输出连接所述任务层，所述时空数据驱动模型的输入层和除最后一个隐藏层外的其它隐藏层被分成相互独立的若干子块，所述时空数据根据空间特征划分为若干组子数据并行输入至输入层若干子块中；

6、基于预测出的电力系统安全裕度，确定电力系统安全薄弱点。

7、进一步地，所述任务层由分类器和多个回归器融合而成，所述分类器用于对最后一个隐藏层输出的特征数据进行分类，得到不同电力传输接口的特征数据；所述多个回归器分别用于对不同电力传输接口的特征数据进行线性回归计算，得到不同电力传输接口的电力系统安全裕度。

8、进一步地，所述时空数据驱动模型通过以下步骤训练得到：

9、获取历史时空数据集，包括来自电力系统的电气数据和来自气象系统的气象数据，并对所述时空数据集进行预处理；

10、获取若干时空数据驱动模型副本；

11、将预处理后的数据集划分为若干小批量样本集平均分配给若干时空数据驱动模型副本，利用若干小批量样本集对若干时空数据驱动模型副本进行并行训练，分别获得每个时空数据驱动模型副本损失函数的平均梯度；其中，对于每个时空数据驱动模型副本，将每个小批量样本集中的每组历史时空数据根据空间特征划分为若干组子数据并行输入模型输入层的若干子块；

12、根据每个时空数据驱动模型副本损失函数的平均梯度，计算时空数据驱动模型损失函数的最终平均梯度，根据所述最终平均梯度更新模型参数集。

13、进一步地，所述电气数据包括但不限于负载总线的有功和无功功率需求、电力变压器抽头的状态、发电厂的有功输出；所述气象数据但不限于气压、2分钟平均风向、2分钟平均风速、温度、表观温度、相对湿度水平、水汽压、1小时降水量和水平能见度水平。

14、进一步地，所述预处理包括对获取的历史时空数据进行数据扩充、数据归一化和数据白化。

15、进一步地，所述每个时空数据驱动模型副本损失函数的平均梯度根据下式计算：

16、

17、式中，δβi表示第i个时空数据驱动模型副本损失函数的平均梯度，i＝1,2…n，n表示时空数据驱动模型副本总数；nmini-batch表示小批量样本集中的样本数；x(u)表示第u个样本；βi表示训练模型的参数；lae(βi)为模型损失函数。

18、进一步地，所述时空数据驱动模型损失函数的最终平均梯度根据下式计算：

19、

20、式中，δβ表示时空数据驱动模型损失函数的最终平均梯度；

21、所述模型参数集根据下式进行更新：

22、β＝β·λδβ

23、式中，β为训练模型的参数；λ是学习率。

24、另一方面，本发明提供了一种数据驱动的电力系统安全评估系统，包括：

25、数据获取模块，用于获取时空数据，包括来自电力系统的电气数据和来自气象系统的气象数据；

26、安全裕度预测模块，用于将所述时空数据输入预先训练获得的时空数据驱动模型中，得到预测的不同电力传输接口的电力系统安全裕度；

27、安全薄弱点评估模块，用于基于预测出的电力系统安全裕度，确定电力系统安全薄弱点；

28、其中，所述时空数据驱动模型包括深度自动编码器和任务层，所述深度自动编码器由多个自动编码器逐层堆叠构成，每一层编码器的隐藏层的输出作为下一层编码器的隐藏层的输入，最后一层编码器的隐藏层的输出连接所述任务层，所述时空数据驱动模型的输入层和除最后一个隐藏层外的其它隐藏层被分成相互独立的若干子块，所述时空数据根据空间特征划分为若干组子数据并行输入至输入层若干子块中。

29、本发明还提供了一种电子设备，包括，一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行前述的方法中的任一方法的指令。

30、本发明还提供了一种可读存储介质，其上存储有一个或多个程序，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据前述的方法中的任一方法。

31、与现有技术相比，本发明所达到的有益技术效果：

32、1.本发明充分考虑了电力系统安全薄弱点具有时空性和对小气候敏感的特性，提出了一种时空数据驱动模型，从时空气象数据和电气数据中逐层提取深度和抽象特征，从而大大提高了电力系统安全薄弱点的预测精度；

33、2.通过将模型简化和并行化，使计算负担可以分布在多个计算节点上，增强了模型的可行性和适用性；

34、3.数据并行可以极大地加速低效率的训练过程，数据并行与模型简化和并行同时使用，可以大大提高模型的训练效率。

技术特征：

1.一种数据驱动的电力系统安全评估方法，其特征在于，包括：

2.根据权利要求1所述的一种数据驱动的电力系统安全评估方法，其特征在于，所述任务层由分类器和多个回归器融合而成，所述分类器用于对最后一个隐藏层输出的特征数据进行分类，得到不同电力传输接口的特征数据；所述多个回归器分别用于对不同电力传输接口的特征数据进行线性回归计算，得到不同电力传输接口的电力系统安全裕度。

3.根据权利要求1所述的一种数据驱动的电力系统安全评估方法，其特征在于，所述时空数据驱动模型通过以下步骤训练得到：

4.根据权利要求1或3所述的一种数据驱动的电力系统安全评估方法，其特征在于，所述电气数据包括但不限于负载总线的有功和无功功率需求、电力变压器抽头的状态、发电厂的有功输出；所述气象数据但不限于气压、2分钟平均风向、2分钟平均风速、温度、表观温度、相对湿度水平、水汽压、1小时降水量和水平能见度水平。

5.根据权利要求3所述的一种数据驱动的电力系统安全评估方法，其特征在于，所述预处理包括对获取的历史时空数据进行数据扩充、数据归一化和数据白化。

6.根据权利要求3所述的一种数据驱动的电力系统安全评估方法，其特征在于，所述每个时空数据驱动模型副本损失函数的平均梯度根据下式计算：

7.根据权利要求6所述的一种数据驱动的电力系统安全评估方法，其特征在于，所述时空数据驱动模型损失函数的最终平均梯度根据下式计算：

8.一种数据驱动的电力系统安全评估系统，其特征在于，包括：

9.一种电子设备，其特征在于，包括，一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至7所述的方法中的任一方法的指令。

10.一种可读存储介质，其特征在于，其上存储有一个或多个程序，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至7所述的方法中的任一方法。

技术总结
本发明公开了一种数据驱动的电力系统安全评估方法及系统。方法包括：获取电力系统和气象系统的时空数据；将所述时空数据输入预先训练获得的时空数据驱动模型中，得到预测的不同电力传输接口的电力系统安全裕度；基于预测出的电力系统安全裕度确定电力系统安全薄弱点。其中，时空数据驱动模型包括深度自动编码器和任务层，深度自动编码器由多个自动编码器逐层堆叠构成，输入层和除最后一个隐藏层外的其它隐藏层被分成相互独立的若干子块，最后一个隐藏层的输出连接任务层。本发明可以预测和检测未来时期的电力系统安全薄弱点，预测精度高。通过数据并行与模型简化和并行同时使用，还可以大大提高模型的训练效率。

技术研发人员：徐福聪,陈斌,李泽科,刘必晶,徐志光,郭久煜,范海威,陈郑平,杨勇,陈建洪,邓春荣,吴炜,吴毅翔,杨旭,庄赫
受保护的技术使用者：国网福建省电力有限公司
技术研发日：
技术公布日：2024/1/13