(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 202111151150.9 (22)申请日 2021.09.2 9 (71)申请人 中国电力科 学研究院有限公司 地址 100192 北京市海淀区清河小营东路 15号 申请人 国网浙江省电力有限公司 (72)发明人 王国政　马士聪　郭剑波　卜广全　 王铁柱　范士雄　周子涵　赵兵　 荆逸然　徐浩田　罗魁　侯玮琳　 (74)专利代理 机构 北京工信联合知识产权代理 有限公司 1 1266 专利代理师 刘爱丽 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 113/04(2020.01) (54)发明名称 一种少量PMU采样的电力系统多智能体暂态 判稳方法和系统 (57)摘要 本发明公开了一种少量PMU采样的电力系统 多智能体暂态判稳方法和系统。 其中， 该方法包 括： 获取样本数据集， 其中样本数据集中的样本 数据为仿真的电力系统中多个PMU节点采集的特 征数据， 且每个样本数据具有表征电力系统能否 保持暂态稳定的标签； 基于样 本数据集训练前人 工智能网络， 并根据训练的结果从多个PMU节点 中提取出关键节点集， 其中关键节 点集中的关键 节点为从多个PMU节点中选取的预定数量的PMU 节点； 基于关键节点集中各个关键节 点对应的特 征数据， 训练后人工智 能网络， 得到暂态稳定判 别网络； 将实际的电力系统中与关键节点集中的 各个关键节点的安装位置一致的PMU节点采集的 电气量数据输入暂态稳定判别网络， 输出实际的 电力系统的暂态判稳结果。 权利要求书4页 说明书15页 附图6页 CN 114818455 A 2022.07.29 CN 114818455 A 1.一种少量PMU采样的电力系统多智能体暂态判稳 方法， 其特 征在于， 包括： 获取样本数据集， 其中样本数据集中的样本数据为仿真的电力系统中多个PMU节点采 集的特征数据， 且每 个样本数据具有表征电力系统能否保持暂态稳定的标签； 基于样本数据集训练前人工智能网络， 并根据训练的结果从多个PMU节点中提取出关 键节点集， 其中关键节点 集中的关键节点 为从多个PMU节点中选取的预定数量的PMU节点； 基于关键节点集中各个关键节点对应的特征数据， 训练后人工智能网络， 得到暂态稳 定判别网络； 获取实际的电力系统中与关键节点集中的各个关键节点的安装位置一致的PMU节点采 集的电气量数据， 并将采集到的电气量数据输入暂态稳定判别网络， 输出实际的电力系统 的暂态判稳 结果。 2.根据权利要求1所述的方法， 其特 征在于， 所述获取样本数据集， 包括： 采用仿真的方式获取电力系统中多个PMU节点采集的带有时域信息的初始样本数据； 从初始样本数据中选取PMU节点的电压项作为特 征数据； 以及 根据仿真过程中根据发电机的最大功角差Δδmax， 生成各个特征数据对应的表征仿真 的电力系统能否保持暂态稳定的标签。 3.根据权利要求1所述的方法， 其特征在于， 所述基于样本数据集训练前人工智能网 络， 并根据训练的结果从多个PMU节点中提取 出关键节点 集， 包括： 从多个PMU节点中选取任意一个PMU节点， 并基于样本数据集中与所选取的PMU节点对 应的特征数据训练前 人工智能网络； 根据前人工智能网络的训练结果判断前人工智能网络的准确率是否满足预设的准确 率阈值； 判断已选取的PMU节点的数量是否满足预设的最小节点数阈值； 当判断前人工智能网络的准确率满足预设的准确率阈值且已选取的PMU节点的数量满 足预设的最小节点数阈值时， 从多个PMU节点中提取 出已选取的PMU节点， 得到关键节点 集。 4.根据权利要求1所述的方法， 其特征在于， 所述基于关键节点集中各个关键节点对应 的特征数据， 训练后人工智能网络， 得到暂态稳定判别网络， 包括： 将关键节点集中各个关键节点对应的电气量输入后人工智能网络进行预训练， 并计算 预训练的准确度； 当后人工智能网络的准确度不大于精度阈值时， 从多个PMU节点中选取一个PMU节点添 加至关键节点集， 得到一个新的关键节点集， 其中所选取的P MU节点属于关键节点集之外的 其他PMU节点； 将新的关键节点集中各个关键节点对应的电气量输入后人工智能网络进行预训练， 直 至预训练的准确度大于精度阈值， 停止训练， 得到暂态稳定判别网络 。 5.根据权利要求1所述的方法， 其特征在于， 前人工智能网络为 时延神经网络并省略输 出的反馈， 并且前 人工智能网络的计算公式如下：权　利　要　求　书 1/4 页 2 CN 114818455 A 2式中， ypre为前人工智能网络的输出， yt为时延神经网络在t时刻的输出， 为时间序列， x为一个向量， 上 标i为电力系统的PMU节点的编号。 6.根据权利要求1所述的方法， 其特征在于， 后人工智能网络为双向循环神经网络和 BiLSTM层组成， 并且得到的暂态稳定判别网络包括输入层、 BiLSTM层、 Dropout层、 全连接 层、 Softmax层和Clas sificati on层。 7.根据权利要求2所述的方法， 其特 征在于， 还 包括： 根据发电机的最大功角差 Δ δmax判定各个特 征数据的标签， 其中判定的公式如下： 式中， TSI为用于判定仿真的电力系统的功角是否稳定的一个参量， yLabel为特征数据的 标签。 8.一种少量PMU采样的电力系统多智能体暂态判稳系统， 其特 征在于， 包括： 样本数据集获取模块， 用于获取样本数据集， 其中样本数据集中的样本数据为仿真的 电力系统中多个PMU节点采集的特征数据， 且每个样本数据具有表征电力系统能否保持暂 态稳定的标签； 关键节点集确定模块， 用于基于样本数据集训练前人工智能网络， 并根据训练的结果 从多个PMU节点中提取出关键节点集， 其中关键节点集中的关键节 点为从多个P MU节点中选 取的预定数量的PMU节点； 以及 暂态稳定判别网络确定模块， 用于基于关键节点集中各个关键节点对应的特征数据， 训练后人工智能网络， 得到暂态稳定判别网络； 暂态判稳模块， 用于获取实际的电力系统中与关键节点集中的各个关键节点的安装位 置一致的P MU节点采集的电气量数据， 并将采集到的电气量数据输入暂态稳定判别网络， 输 出实际的电力系统的暂态判稳 结果。 9.根据权利要求8所述的系统， 其特 征在于， 样本数据集获取模块具体用于： 采用仿真的方式获取电力系统中多个PMU节点采集的带有时域信息的初始样本数据； 从初始样本数据中选取PMU节点的电压项作为特 征数据； 以及 根据仿真过程中根据发电机的最大功角差Δδmax， 生成各个特征数据对应的表征仿真 的电力系统能否保持暂态稳定的标签。 10.根据权利要求8所述的系统， 其特 征在于， 关键节点 集确定模块具体用于：权　利　要　求　书 2/4 页 3 CN 114818455 A 3