(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111485738.8 (22)申请日 2021.12.07 (71)申请人 国网山东省电力公司经济技 术研究 院 地址 250021 山东省济南市槐荫区纬十路 111号 申请人 国家电网有限公司 (72)发明人 陈博　孙东磊　刘晓明　刘知凡　 牟颖　厉艳　朱禹泓　周永智　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 代理人 赵妍 (51)Int.Cl. G06F 30/27(2020.01) G06Q 10/04(2012.01)G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/08(2006.01) G06F 111/08(2020.01) (54)发明名称 一种电力系统连锁故障关键节点辨识方法 及系统 (57)摘要 本发明涉及电力系统技术领域， 具体涉及一 种电力系统连锁故障关键节点辨识方法及系统， 包括： 获取电力系统中的历史故障数据， 将历史 故障数据进行量化得到初始故障数据和最终故 障规模数据； 提取从初始故障数据到最终故障规 模的高度非线性映射关系； 基于从初始故障数据 到最终故障规模的高度非线性映射关系量化电 力系统所有节点在不同故障类型下的连锁故障 风险； 根据所有节点在不同故障类型下的连锁故 障风险， 利用量化指标识别关键节点。 通过LM优 化后的BP神经网络提取了历史故障中初始故障 与最终故障规模间的高度非线性映射关系， 并基 于这种映射关系根据初始故障预测最终故障规 模， 考虑了在连锁故障关键节点 辨识方法。 权利要求书2页 说明书6页 附图2页 CN 114117937 A 2022.03.01 CN 114117937 A 1.一种电力系统连锁故障关键节点 辨识方法， 其特 征在于， 包括： 获取电力系统中的历史故障数据， 将历史故障数据进行量化得到初始故障数据和最终 故障规模数据； 提取从初始故障数据到最终 故障规模的高度非线性映射关系； 基于从初始故障数据到最终故障规模的高度非线性映射关系量化电力系统所有节点 在不同故障类型 下的连锁故障风险； 根据所有节点在不同故障类型 下的连锁故障风险， 利用量 化指标识别关键节点。 2.根据权利要求1所述的一种电力系统连锁故障关键节点辨识方法， 其特征在于， 所述 初始故障数据fom表示为： fom＝[Som,lom]T Som＝[im,…,jm]表示第m次故障时故障位置所在节点号的集合， lom表示第m次故障时不 同节点处故障严重程度的集 合。 3.根据权利要求1所述的一种电力系统连锁故障关键节点辨识方法， 其特征在于， 所述 最终故障规模数据为初始故障数据下的最终 故障规模的概 率分布， 具体如下： 先将最终 故障规模量 化为初始故障数据下最终 失负荷占总负荷的比例： 其中， Ploss为最终失负荷， Pall为总负荷； 再根据历史故障数据统计获得初始故障数据下最终 故障规模的概 率分布。 4.根据权利要求1所述的一种电力系统连锁故障关键节点辨识方法， 其特征在于， 所述 提取从初始故障数据到最终 故障规模的高度非线性映射关系， 具体包括： 利用LM算法优化BP神经网络， 得到改进后的BP神经网络； 将初始故障数据作为改进后的BP神经网络的输入， 预测的最终故障规模的概率分布向 量作为输出， 利用神经网络得到 输入输出间的非线性映射关系； 利用这一映射关系估计任意初始故障发生后的最终 故障规模分布概 率矩阵。 5.根据权利要求1所述的一种电力系统连锁故障关键节点辨识方法， 其特征在于， 采用 离散型数学期望来定义节点 i的严重故障风险量 化指标： Ri为节点i的严重故障风险量化值； S为包含节点i的所有可能发生的初始故障位置向 量； l为所有可能的在So处故障严重程度向量； 索引函数I(So,lo,re)定义为： α为严重故障的定义值， re值高于为α 即视为严重故障， p(So,lo,re)为初始故障[So,lo] 发生后演变至最终 故障规模re的概率， p(So,lo)为初始故障[ So,lo]发生的概 率； 比较各节点Ri的值即可， 从而较各节点在连锁故障传播过程中的关键程度。 6.根据权利要求4所述的一种电力系统连锁故障关键节点辨识方法， 其特征在于， LM优 化的BP神经网络采用求误差函数e 的极小值方法来迭代网络权值和阈值， 其迭代过程可表权　利　要　求　书 1/2 页 2 CN 114117937 A 2示为： w(k+1)＝ w(k)‑[JTJ+ μI]‑1JTe b(k+1)＝b(k) ‑[JTJ+ μI]‑1JTe 其中， k表示迭代次数， b(k)、 w(k)分别表示第k次迭代时网络的权重矩阵和偏置矩阵， μ 表示为学习 率， I表示单位矩阵， e为误差函数为网络输出的向量Fem与真值re的概率分布矩 阵的差值， J表示 误差函数的雅可比矩阵。 7.根据权利要求1所述的一种电力系统连锁故障关键节点辨识方法， 其特征在于， 所能 辨识的故障类型包括 三相均衡短路故障、 三相均衡断路故障。 8.一种电力系统连锁故障关键节点 辨识系统， 其特 征在于， 包括： 数据获取模块， 被配置为获取电力系统中的历史故障数据， 将历史故障数据进行量化 得到初始故障数据和最终 故障规模数据； 数据处理模块， 被配置为提取从初始故障数据到最终故障规模的高度非线性映射关 系； 连锁故障风险计算模块， 被配置为基于从初始故障数据到最终故障规模的高度非线性 映射关系量 化电力系统所有节点在不同故障类型 下的连锁故障风险； 关键节点识别模块， 被配置为根据所有节点在不同故障类型下的连锁故障风险， 利用 量化指标识别关键节点。 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， 该程序被处理器执 行时实现如权利要求1 ‑7中任一项 所述的一种电力系统连锁故障关键节点辨识方法中的步 骤。 10.一种计算机设备， 包括存储器、 处理器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程序时实现如权利要求 1‑7中任一项 所述的一 种电力系统连锁故障关键节点 辨识方法中的步骤。权　利　要　求　书 2/2 页 3 CN 114117937 A 3