(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 202211315821.5 (22)申请日 2022.10.26 (71)申请人 北京交通大 学 地址 100044 北京市海淀区西直门外上园 村3号 (72)发明人 刘曌　王小君　刘雨晴　李佳玮　 和敬涵　许寅　李猛　王颖　 (74)专利代理 机构 北京市商 泰律师事务所 11255 专利代理师 刘源 (51)Int.Cl. H02J 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于信息熵和频谱图网络的电力系统暂态 稳定评估方法 (57)摘要 本发明提供一种基于信息熵和频谱图网络 的电力系统暂态稳定评估 方法， 包括离线训练部 分和在线评估部分。 离线训练部分将所要分析的 目标电力系统的历史运行数据或者仿真模型生 成的数据， 组成不同长度时间窗的张量数据集分 别训练四个基于频谱图卷积的暂态稳定评估子 智能体， 使用训练完成后的子智能体迭代更新在 线评估使用的子智能体。 在 线评估阶段将收集系 统运行过程中的量测参数送入基于信息熵的启 动判据器进行判断。 当所得的信息熵超过设定阈 值则发出启动指令。 输入数据张量生成模块依数 据送入的时间顺序， 分别制成多组数据张量， 并 先后分发至子智能体分别进行暂态稳定评估。 先 后收集到评估结果后， 依设计决策逻辑， 输出最 终的暂态稳定判别结果。 权利要求书3页 说明书13页 附图5页 CN 115513947 A 2022.12.23 CN 115513947 A 1.基于信息熵和频谱图网络的电力系统暂态稳定评估方法， 其特征在于， 包括离线训 练过程和在线评估过程； 所述离线训练过程包括： 基于目标电力系统的历史运行数据和/或通过仿真模型生成的运行数据， 构建多组不 同时间窗长度的训练数据集； 根据所述训练数据集的时间窗的时序， 将所述训练数据集依次对应输入到1个暂态稳 定训练子智能体中； 通过暂态稳定训练子智能体获得的输出结果用于训练和迭代更新在线 评估过程中的暂态稳定 评估子智能体； 所述在线评估过程包括： 基于电力系统运行过程中的实测数据， 通过基于信息熵的启动判据器进行启动判断， 若判断结果 为启动判据， 则生成多组不同时间窗长度的数据张量； 根据该多组数据张量的时间窗的时序， 将所述数据张量依次对应输入到1个暂态稳定 评估子智能体， 获得评估结果； 基于评估结果， 通过决策逻辑进行综合判别， 获得电力系统暂态稳定判别结果； 所述暂态稳定训练子智能体和暂态稳定评估子智能体基于频谱图卷积和切比雪夫多 项展开式方法构建。 2.根据权利要求1所述的方法， 其特征在于， 所述暂态稳定训练子智能体和暂态稳定评 估子智能体包括依次连接的输入层、 隐藏层、 池化层和输出层； 所述隐藏层 包括三个依次连 接的单层图神经网络， 每个单层图神经网络的输出通过Relu激活函数进行激活； 每个单层 图神经网络通过如下 过程构建： 定义包含n个节点和m条边的图G＝(V,E,W)， 获得计算式 L＝I‑D‑1/2WD‑1/2  (1)， 式中， V， E分别为G的节点集合和边的集合， W为邻接矩阵， L为归一化的拉普拉斯矩阵， I 为单位矩阵， D为对角矩阵,其对角元 素为 Dii＝∑jWij  (2)， 式中， i和j代 表节点编号， Dii表示节点 i所相连的边的权 重之和； 定义归一化拉普拉斯矩阵L的特征向量矩阵为U＝[u1,u2,...,un]， 特征值矩阵为Λ＝ diag( λ1, λ2,..., λn)， L＝UΛUT， 图傅里叶变换定义 为计算式 式中， 为原始信号x， 经过正交基UT投影到谱域上的表达， diag表示对角矩阵， u表示拉 普拉斯变换的特 征向量， λ为对应的特 征值； 定义图卷积运算符为*G， 矩阵点积运算符为 ☉， 将两个信号x和y的频谱图卷积定义为计 算式 x*Gy＝U((UTx)☉(UTy))  (4)； 针对原始信号x， 将UTy＝[θ0, θ1,..., θn‑1]T整体定义为谱域上的卷积核， 该训练参数中 具有n个向量θ， 定义对角阵gθ＝diag([θ0, θ1,..., θn‑1])为图卷积核， 获得谱域上的图卷积 计算式 x*Gy＝UgθUTx  (5)； 通过将切比雪夫多 项展开式权　利　要　求　书 1/3 页 2 CN 115513947 A 2带入到式(5)对图卷积核gθ进行近似操作， 获得 频谱图卷积式 式中， βk是k阶Chebyshev多 项式对应的系数。 3.根据权利要求1所述的方法， 其特征在于， 所述的通过仿真模型生成运行数据的过程 中： 输入到仿真模型的 电力系统的特征向量包括各个发电机节点的功角、 转子转速、 电压 幅值和dq坐标系下q轴所对应的电流 值； 基于输入的电力系统的特 征向量， 通过暂态稳定指数计算式 获得运行数据的稳定性标定结果； 式中， Δδmax为仿真过程中任意两台发电机最大相对 功角差， 当TSI>0时， 判定运行 数据的样本稳定， 当TSI＜0时， 判定运行 数据的样本不稳定 。 4.根据权利要求1所述的方法， 其特征在于， 所述不同时间窗长度的训练数据集为4组， 该四组训练数据集的时间窗分别为[t0,t0+0.05s]、 [t0,t0+0.10s]、 [t0,t0+0.15s]和[t0,t0+ 0.20s]； 所述暂态稳定训练子智能体为4个， 每组所述训练数据集对应输入到一个所述暂态 稳定训练子智能体中。 5.根据权利要求4所述的方法， 其特征在于， 所述目标电力系统的历史运行数据和/或 通过仿真模型生成的运行数据包括各个发电机节点的功角、 转子转速、 电压幅值和dq坐标 系下q轴所对应的电流 值； 所述离线训练过程还 包括： 通过式 对所述运行数据进行排序处 理； 通过式 对排序后的所述 运行数据进行归一 化处理。 6.根据权利要求4所述的方法， 其特征在于， 所述的基于电力系统运行过程中的实测数 据， 通过基于信息熵的启动判据器进行启动判断包括： 通过式 计算实测数据的信息熵值； 通过式 |H(Iq)‑hi|>0.1 or |H(|V|)‑hv|>0.1  (12) 将实测数据的信 息熵值与 预设阈值进行比较， 当计算获得的任意一个信 息熵值与 稳态 下的定值之差的绝对值大于0.1， 则判断启动判据； 式中， hi表示稳态下q轴电流所对应的信 息熵值， hv则表示稳态下电压所对应的信息熵值。 7.根据权利要求6所述的方法， 其特征在于， 所述不同时间窗长度的数据张量为4组， 该权　利　要　求　书 2/3 页 3 CN 115513947 A 3