一种可视化感知电网态势的方法和系统与流程

本发明涉及电力系统态势感知领域，并且更具体地，涉及一种可视化感知电网态势的方法和系统。

背景技术：

1、随着时代的进步和新能源发电技术水平的日益提高，电力系统的结构逐步呈多样化发展，智能电网系统由于具备能源利用率高、电能损耗小等优点，近几年备受国际关注。由于用电人数剧增，导致电网系统中的各类设备实时数据数量大幅增加，且电网数据分析过程中时常出现数据遗漏、分析结果异常等情况，不仅增加了电网态势异常检测的难度，对电网运行安全也造成严重威胁，在此背景下，我国的电力行业迎来技术更新的巨大挑战，对电网态势的整体监控及态势可视化研究成为维护电网系统平稳运行的重要举措。基于电力系统发展现状，相关行业研究人员针对智能电网态势感知技术展开研究。

技术实现思路

1、为了解决现有技术中电网态势整体监控及可视化研究不足的问题，本发明提供一种可视化感知电网态势的方法和系统。

2、根据本发明的一方面，本发明提供一种可视化感知电网态势的方法，所述方法包括：

3、获取电力系统的设备运行信号，其中，所述设备运行信号包括支路电流，节点电压和节点电压相位变化值；

4、对所述设备运行信号进行去噪处理，获取有效运行信号；

5、基于预先设置的lstm网络，对所述有效运行信号进行特征提取，获取预测运行信号，其中，所述预测运行信号包括预测支路电流，预测节点电压和预测节点电压相位变化值；

6、根据所述预测运行信号，以及预先设置的电网态势评判指标，采用svdd算法对电网态势进行可视化识别，输出电网态势预测结果。

7、可选地，采用相量测量装置采集电力系统的设备运行信号。

8、可选地，所述对所述设备运行信号进行去噪处理，获取有效运行信号，包括：

9、对所述设备运行信号中的每个信号进行小波变换，生成n层信号，设o(1,2,...,o)为小波系数的点数，第k层的小波系数总能量为ek，其中，1≤k≤n，所述ek的计算公式为：

10、

11、将每层中的信号按照频率划分为l个相等的频率区间，并将小波系数的点数均分，设r为任意区间的小波系数点数，第j个区间内的小波系数能量值为ej，其中，1≤j≤l，所述ej的计算公式为：

12、

13、根据所述ek和ek,j计算第k层第j个区间的小波系数能量值在第k层的小波系数总能量中的占比qk,j，其中，所述的计算公式为：

14、

15、根据所述qk,j计算第j个区间的小波熵值sj，其中，所述小波熵值sj的计算公式为：

16、

17、根据所述小波熵值sj确定小波熵值的最大取值范围，当第k层是小波熵值的最大取值范围时，采用小波熵值的最大值体现噪声变化，选取第k层均值作为脉冲信号中的最大信噪比能量阈值，所述最大信噪比能量阈值的计算公式为：

18、

19、根据所述最大信噪比能量阈值剔除设备运行信号中的噪声后，剩余设备运行信号即为有效运行信号。

20、可选地，基于预先设置的lstm网络，对所述有效运行信号进行特征提取，获取预测运行信号，包括：

21、将有效运行信号作为lstm网络的输入层输入，对于每个有效运行信号，得到其时间序列的第t个神经元基于sigmoid激活函数的输入节点值zt；

22、根据所述输入节点值zt引入sigmoid激活函数计算第t个神经单元的遗忘门输出g(t)，其计算公式为：

23、g(t)＝sigmoid[xt(it-1,zt)]+cg

24、式中，cg为第一偏移量，xt为第t个神经单元的权重，it-1是第t-1个神经单元在输出门的状态；

25、根据所述输入节点值zt引入tanh激活函数计算第t个神经单元的激活项输出d(t)，其计算公式为：

26、

27、式中，cd为第二偏移量，cj为第三偏移量，gt为第t个神经元的遗忘门输出g(t)的输出值；dt-1为第t-1个神经元的激活项输出值，jt为函数j(t)的输出值；

28、输出门对信息过滤后得到at，经过tanh函数处理后可得到神经元的最终更新状态it，其计算公式为：

29、

30、式中，ct为第四偏移量，dt为第t个神经元的激活项输出值；

31、将每个有效运行信号第t个神经元的最终更新状态经过全连接层进行特征映射，输出层输出的计算结果即为预测运行信号。

32、可选地，根据所述预测运行信号，以及预先设置的电网态势评判指标，采用svdd算法对电网态势进行可视化识别，输出电网态势预测结果，包括：

33、根据所述预测支路电流，设备额定电流和设置的支路过载严重度指标计算支路过载严重度指标值，并根据所述支路过程严重度指标值采用svdd算法对电流的过载程度进行可视化预警，其中，所述支路过载严重度指标tol的表达式为：

34、

35、mol＝m-0.8

36、式中，mol为支路过载值，m为支路电流权重，m＝[0,1]，e为预测支路电流值，当额定电流大于预测支路电流，且两者的差值不小于0.2倍额定电流时，tol为0，反之，则根据tol的表达式和预测支路电流计算所述支路过载严重度指标值，并当其大于设置的过载严重度阈值时，进行识别并预警；

37、根据所述预测节点电压和设置的电压越限裕度指标计算节点的电压越限裕度指标值，并根据节点的所述点的电压越限裕度指标值采用svdd算法对节点电压的变化进行可视化识别和预警，其中，所述电压越限裕度指标值的表达式f为：

38、

39、式中，un为预测节点电压值，unlow为节点电压下限，unup为节点电压上限，当计算的电压越限裕度指标值小于设置的电压越限裕度阈值时，进行识别并预警；

40、根据所述预测节点电压相位变化值和设置相位变化限值，采用svdd算法对节点电压相位变化进行可视化预警，其中，所述相位变化上限值为k1*δθ，所述相位变化下限值为k2*δθ，k1＞k2＞0，δθ为预测节点电压相位变化值，当所述预测节点电压相位变化值超过所述相位变化限值范围时，进行识别并预警。

41、根据本发明的另一方面，本发明提供一种可视化感知电网态势的系统，所述系统包括：

42、信号采集模块，用于获取电力系统的设备运行信号，其中，所述设备运行信号包括支路电流，节点电压和节点电压相位变化值；

43、信号处理模块，用于对所述设备运行信号进行去噪处理，获取有效运行信号；

44、信号预测模块，用于基于预先设置的lstm网络，对所述有效运行信号进行特征提取，获取预测运行信号，其中，所述预测运行信号包括预测支路电流，预测节点电压和预测节点电压相位变化值；

45、态势预测模块，用于根据所述预测运行信号，以及预先设置的电网态势评判指标，采用svdd算法对电网态势进行可视化识别，输出电网态势预测结果。

46、可选地，所述数据采集模块是相量测量装置。

47、可选地，所述信号处理模块对所述设备运行信号进行去噪处理，获取有效运行信号，包括：

48、对所述设备运行信号中的每个信号进行小波变换，生成n层信号，设o(1,2,...,o)为小波系数的点数，第k层的小波系数总能量为ek，其中，1≤k≤n，所述ek的计算公式为：

49、

50、将每层中的信号按照频率划分为l个相等的频率区间，并将小波系数的点数均分，设r为任意区间的小波系数点数，第j个区间内的小波系数能量值为ej，其中，1≤j≤l，所述ej的计算公式为：

51、

52、根据所述ek和ek,j计算第k层第j个区间的小波系数能量值在第k层的小波系数总能量中的占比qk,j，其中，所述的计算公式为：

53、

54、根据所述qk,j计算第j个区间的小波熵值sj，其中，所述小波熵值sj的计算公式为：

55、

56、根据所述小波熵值sj确定小波熵值的最大取值范围，当第k层是小波熵值的最大取值范围时，采用小波熵值的最大值体现噪声变化，选取第k层均值作为脉冲信号中的最大信噪比能量阈值，所述最大信噪比能量阈值的计算公式为：

57、

58、根据所述最大信噪比能量阈值剔除设备运行信号中的噪声后，剩余设备运行信号即为有效运行信号。

59、可选地，所述信号预测模块基于预先设置的lstm网络，对所述有效运行信号进行特征提取，获取预测运行信号，包括：

60、将有效运行信号作为lstm网络的输入层输入，对于每个有效运行信号，得到其时间序列的第t个神经元基于sigmoid激活函数的输入节点值zt；

61、根据所述输入节点值zt引入sigmoid激活函数计算第t个神经单元的遗忘门输出g(t)，其计算公式为：

62、g(t)＝sigmoid[xt(it-1,zt)]+cg

63、式中，cg为第一偏移量，xt为第t个神经单元的权重，it-1是第t-1个神经单元在输出门的状态；

64、根据所述输入节点值zt引入tanh激活函数计算第t个神经单元的激活项输出d(t)，其计算公式为：

65、

66、式中，cd为第二偏移量，cj为第三偏移量，gt为第t个神经元的遗忘门输出g(t)的输出值；dt-1为第t-1个神经元的激活项输出值，jt为函数j(t)的输出值；

67、输出门对信息过滤后得到at，经过tanh函数处理后可得到神经元的最终更新状态it，其计算公式为：

68、

69、式中，ct为第四偏移量，dt为第t个神经元的激活项输出值；

70、将每个有效运行信号第t个神经元的最终更新状态经过全连接层进行特征映射，输出层输出的计算结果即为预测运行信号。

71、可选地，所述态势预测模块根据所述预测运行信号，以及预先设置的电网态势评判指标，采用svdd算法对电网态势进行可视化识别，输出电网态势预测结果，包括：

72、根据所述预测支路电流，设备额定电流和设置的支路过载严重度指标计算支路过载严重度指标值，并根据所述支路过程严重度指标值采用svdd算法对电流的过载程度进行可视化预警，其中，所述支路过载严重度指标tol的表达式为：

73、

74、mol＝m-0.8

75、式中，mol为支路过载值，m为支路电流权重，m＝[0,1]，e为预测支路电流值，当额定电流大于预测支路电流，且两者的差值不小于0.2倍额定电流时，tol为0，反之，则根据tol的表达式和预测支路电流计算所述支路过载严重度指标值，并当其大于设置的过载严重度阈值时，进行识别并预警；

76、根据所述预测节点电压和设置的电压越限裕度指标计算节点的电压越限裕度指标值，并根据节点的所述点的电压越限裕度指标值采用svdd算法对节点电压的变化进行可视化识别和预警，其中，所述电压越限裕度指标值的表达式f为：

77、

78、式中，un为预测节点电压值，unlow为节点电压下限，unup为节点电压上限，当计算的电压越限裕度指标值小于设置的电压越限裕度阈值时，进行识别并预警；

79、根据所述预测节点电压相位变化值和设置相位变化限值，采用svdd算法对节点电压相位变化进行可视化预警，其中，所述相位变化上限值为k1*δθ，所述相位变化下限值为k2*δθ，k1＞k2＞0，δθ为预测节点电压相位变化值，当所述预测节点电压相位变化值超过所述相位变化限值范围时，进行识别并预警。

80、本发明技术方案提供的可视化感知电网态势的方法和系统采用相量测量装置采集电力系统的设备运行信号，对所述设备运行信号进行去噪处理，获取有效运行信号；基于预先设置的lstm网络，对所述有效运行信号进行特征提取，获取预测运行信号，其中，所述预测运行信号包括预测支路电流，预测节点电压和预测节点电压相位变化值；根据所述预测运行信号，及预先设置的电网态势评判指标，采用svdd算法对电网态势进行可视化识别，输出电网态势预测结果。所述方法和系统针对电力系统中存在的大量异常数据，通过小波分析去除数据噪声，以lstm网络为基础引入svdd算法对电力系统的各运行指标展开监控，通过预测的下一时刻的运行信号值对电网态势进行感知和报警，有效实现了对电网异常态势的检测，具有突出的应用前景。