(19)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 202111589513.7 (22)申请日 2021.12.23 (71)申请人 国网电力科 学研究院有限公司 地址 211106 江苏省南京市江宁区诚信大 道19号 申请人 国电南瑞科技股份有限公司 　 国网江苏省电力有限公司 　 国网江苏省电力有限公司电力科 学 研究院　 国家电网有限公司 (72)发明人 黄天罡　薛禹胜　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 张赏(51)Int.Cl. G06Q 50/06(2012.01) G06Q 10/06(2012.01) G06K 9/62(2022.01) (54)发明名称 一种电力系统暂态稳定评估的算例筛选方 法及装置 (57)摘要 本发明公开了一种电力系统暂态稳定评估 的算例筛选方法及装置， 该方法基于训练集中各 算例的功角稳定裕度将训练集划分为若干子训 练集， 尽量规避不同标签的算例间存在 “重叠区 域”， 算例特征参量则基于稳定机理的因果推断 优选而得； 采用支持向量机得到各子训练集中算 例特征参量同算例标签间的映射 关系， 实现融合 稳定机理和人工智能的强壮算例筛选。 本发明在 提升基于数据驱动的电力系统功角稳定分析泛 化能力方面填补了技术空白， 为进一步实现强不 确定性下电力系统安全 稳定自适应 分析及控制， 奠定了理论基础， 具有重大的理论和工程 意义。 权利要求书4页 说明书9页 附图1页 CN 114493913 A 2022.05.13 CN 114493913 A 1.一种电力系统暂态稳定 评估的算例筛 选方法， 其特 征在于， 包括： 获得训练集中各算例的功角稳定裕度 基于所述功角稳定裕度 将训练集划分为至少两个的子训练集， 并为各算例标注标 签； 其中所述标签包括稳定类、 失稳类和不确定类； 计算各子训练集中各算例的输入特 征参量； 分别对各子训练集的输入特征参量和标签间的映射关系 进行学习， 得到各子训练集的 SVM分类模型； 分层次地应用各SVM分类模型， 得到各待评估算例所属的类别。 2.根据权利要求1所述的一种电力系统暂态稳定评估的算例筛选方法， 其特征在于， 所 述获得训练集中各算例的功角稳定裕度 包括， 对于训练集中的各算例， 基于小步长逐步积分获得电力系统的受扰轨 迹； 对所获取的电力系统的受扰轨迹采用集成EEAC算法计算训练集中各算例的功角稳定 裕度 3.根据权利要求1所述的一种电力系统暂态稳定 评估的算例筛 选方法， 其特 征在于， 所述基于所获得的各算例的功角稳定裕度 将训练集划分为至少两个的子训练集， 包括： 将训练集中的算例按功角稳定裕度 分为裕度区间为(80,100 ]的“高度稳定 ”算例， 裕度区间为[ ‑100,‑80)的“高度失稳 ”算例， 和第一 不确定类算例； 将“高度稳定 ”算例和第一不确定类算例构成子训练集1， 将 “高度失稳 ”算例和第一不 确定类算例构成子训练集2； 将第一不确定类算例按功角稳定裕度 分为裕度区间为(50,80]的 “中度稳定 ”算 例， 裕度区间为[ ‑80,‑50)的“中度失稳 ”算例， 和第二 不确定类算例； 将“中度稳定 ”算例和第二不确定类算例构成子训练集4， 将 “中度失稳 ”算例和第二不 确定类算例构成子训练集5； 将第二不确定类算例按功角稳定裕度 分为裕度区间为(20,50]的 “轻度稳定 ”算 例， 裕度区间为[ ‑50,‑20)的“轻度失稳 ”算例， 和第三 不确定类算例； 将“轻度稳定 ”算例和第三不确定类算例构成子训练集7， 将 “轻度失稳 ”算例和第三不 确定类算例构成子训练集8。 4.根据权利要求3所述的一种电力系统暂态稳定评估的算例筛选方法， 其特征在于， 所 述为各算例标注标签， 包括： 对“高度稳定”算例和“高度失稳 ”算例组成的集合采用预设规则计算所属的标签， 所述 标签包括稳定类和失稳类； 对“中度稳定 ”算例和“中度失稳 ”算例组成的集合采用同样的预设规则计算所属的标 签， 所述标签包括稳定类和失稳类； 对“低度稳定 ”算例和“低度失稳 ”算例组成的集合采用同样的预设规则计算所属的标权　利　要　求　书 1/4 页 2 CN 114493913 A 2签， 所述标签包括稳定类和失稳类； 将第一不确定类算例、 第 二不确定类算例和第 三不确定类算例的标签均 标注为不确定 类。 5.根据权利要求1所述的一种电力系统暂态稳定评估的算例筛选方法， 其特征在于， 所 述计算各子训练集中各算例的输入特 征参量， 包括： 对于各子训练集中的算例， 基于大步长泰勒展开获得电力系统的受扰轨 迹； 基于所述受扰轨迹分别采用静态EEAC算法、 动态EEAC算法和集成EEAC算法获得算例i 的功角稳定裕度 和 根据 间差异获得算例i的时变度σ1.i： 采用静态E EAC算法执 行极限计算获得算例i的临界清除时间 和故障清除时间τi； 将 σ1.i、 和 τi作为算例i的输入特 征参量。 6.根据权利要求3所述的一种电力系统暂态稳定评估的算例筛选方法， 其特征在于， 所 述分层次地应用各SVM分类模型包括： 计算待评估 的各算例的输入特征参量， 同时输入至SVM分类模型1和SVM分类模型2， 得 到各算例的所属标签， 包括： 稳定类、 失稳类和不确定类； 将标签为不确定类的算例同时输入至SVM分类模型4和 SVM分类模型5， 得到各算例的所 属标签； 将SVM分类模型4和SVM分类模型5输出为不确定类的算例同时输入至SVM分类模型7和 SVM分类模型8， 得到各算例的所属标签； 所述SVM分类模型1为采用子训练集1训练得到的SVM分类模型； 所述SVM分类模型2为采 用子训练集2训练得到的SVM分类模 型； 所述SVM 分类模型4为采用子训练集4训练得到的SVM 分类模型； 所述SVM分类模 型5为采用子训练集5训练得到的SVM分类模型； 所述SVM分类模 型 7为采用子训练集7训练得到的SVM分类模 型； 所述SVM分类模 型8为采用子训练集8训练得到 的SVM分类模型。 7.一种电力系统暂态稳定 评估的算例筛 选装置， 其特 征在于， 包括： 第一计算模块， 用于获得训练集中各算例的功角稳定裕度 所述训练集包括 由电 力系统中发生的故障形成的算例； 划分模块， 用于基于所获得的各算例的功角稳定裕度 将训练集划分为至少两个的 子训练集， 并为各算例标注标签； 所述标签包括稳定类、 失稳类和不确定类； 第二计算模块， 用于计算各子训练集中各算例的输入特 征参量； 训练模块， 用于分别对各子训练集的输入特征参量和标签间的映射关系进行学习， 得 到各子训练集的SVM分类模型；权　利　要　求　书 2/4 页 3 CN 114493913 A 3