本發(fā)明涉及電網(wǎng)安全，特別是一種改進生成對抗網(wǎng)絡(luò)的極限運行場景生成方法及系統(tǒng)。

背景技術(shù)：

1、隨著我國“雙碳”目標的提出，以風電和光伏為代表的清潔能源并網(wǎng)規(guī)模日益提升，新型電力系統(tǒng)正在加速構(gòu)建。然而，新能源出力的隨機性和波動性顯著，與電力系統(tǒng)運行所固有的不確定性相疊加，使得電力系統(tǒng)的安全穩(wěn)定運行面臨更加嚴峻的挑戰(zhàn)。

2、目前對運行方式的研究已涉及源、網(wǎng)、荷等關(guān)鍵要素及其對運行方式的關(guān)聯(lián)影響，但針對完整系統(tǒng)的場景生成仍然以典型運行方式為主。伴隨新能源機組在電源組成中的占比不斷提高，系統(tǒng)整體慣量水平降低，脆弱性加劇，在自然災(zāi)害、設(shè)備老化、誤操作等隨機或運行管理因素導(dǎo)致的故障擾動下，系統(tǒng)運行狀態(tài)將偏離經(jīng)過校核的典型運行方式，安全裕度顯著降低。這些場景出現(xiàn)概率低，但危害程度高，從安全防控的角度出發(fā)，值得密切關(guān)注。

技術(shù)實現(xiàn)思路

1、鑒于現(xiàn)有的極限運行場景生成及系統(tǒng)中存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明所要解決的問題在于：電網(wǎng)運行方式研究所采用的完整系統(tǒng)場景仍以典型運行方式為主，較少關(guān)注小概率、高風險的非失穩(wěn)運行方式的問題，此類場景較少。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實施例提供了一種改進生成對抗網(wǎng)絡(luò)的極限運行場景生成方法，其包括下步驟，

5、定義極限運行場景，并根據(jù)所述極限運行場景劃分風險等級；

6、建立極限運行場景生成框架，獲取基于最小二乘損失函數(shù)條件生成對抗網(wǎng)絡(luò)模型；

7、通過測試基于最小二乘損失函數(shù)條件生成對抗網(wǎng)絡(luò)模型，生成極限運行場景。

8、作為本發(fā)明所述改進生成對抗網(wǎng)絡(luò)的極限運行場景生成方法的一種優(yōu)選方案，其中：定義極限運行場景的方法包括，

9、依據(jù)系統(tǒng)運行安全域與穩(wěn)定域，分布在安全域邊界兩側(cè)、靠近安全域邊界而未超出穩(wěn)定域邊界的運行點代表極限運行點，與其對應(yīng)的電源出力、負荷水平和網(wǎng)架結(jié)構(gòu)組合即為極限運行場景。

10、作為本發(fā)明所述改進生成對抗網(wǎng)絡(luò)的極限運行場景生成方法的一種優(yōu)選方案，其中：所述極限運行場景的風險標簽包括電壓越限風險與支路越限風險，以綜合風險值rc作為樣本的風險標簽；

11、

12、式中，ni表示為系統(tǒng)節(jié)點數(shù)，nl表示為支路數(shù)，vi表示為節(jié)點i的電壓標幺值，pli表示為流過支路i的有功功率標幺值，plimax表示為系統(tǒng)允許線路通過最大有功功率標幺值，rv表示為電壓越限風險指標，rs表示為支路越限風險指標；

13、對極限運行場景進行風險等級劃分的方法包括：提取樣本中所有節(jié)點的電壓越限風險指標和支路越限風險指標，根據(jù)相應(yīng)的風險指標進行風險計算，為了消除指標間不同數(shù)據(jù)量級的影響，對節(jié)點電壓越限風險和支路潮流越限風險的量化值分別進行歸一化后再加權(quán)求和得到綜合風險值，具體計算方法為：

14、rc＝α*rv+β*rs

15、式中，rc表示為綜合風險指標，α和β分別表示為權(quán)重值；

16、通過對指標進行判斷，設(shè)定基準值表1。

17、作為本發(fā)明所述改進生成對抗網(wǎng)絡(luò)的極限運行場景生成方法的一種優(yōu)選方案，引入最小二乘損失函數(shù)，并改進生成對抗網(wǎng)絡(luò)的極限運行場景生成框架，其中，極限運行場景生成框架包括樣本集構(gòu)建階段與模型的搭建與訓練階段；

18、所述極限運行場景生成框架的樣本集構(gòu)建階段為：采用電力系統(tǒng)仿真軟件dsp搭建系統(tǒng)模型，以代表不同新能源高滲透率的典型運行場景樣本為基礎(chǔ)，施加典型故障，得到故障后的運行場景集合，對未出現(xiàn)穩(wěn)定問題的場景樣本，判別風險等級，標注風險等級標簽；

19、所述極限運行場景生成框架的模型的搭建與訓練階段為：構(gòu)建ls-cgan模型，將前述極限運行場景樣本集作為訓練樣本集，送入模型進行訓練，利用最小二乘損失函數(shù)進行模型參數(shù)更新，通過引入風險等級標簽來控制模型生成目標風險場景，訓練好的模型具備在條件風險信息指導(dǎo)下生成極限場景的能力，該方法通過生成對抗網(wǎng)絡(luò)學習噪聲分布與場景集間的非線性映射關(guān)系，能夠從海量的樣本數(shù)據(jù)中挖掘出極限運行場景背后的隱藏特征。

20、作為本發(fā)明所述改進生成對抗網(wǎng)絡(luò)的極限運行場景生成方法的一種優(yōu)選方案，其中：基于最小二乘損失函數(shù)條件生成對抗網(wǎng)絡(luò)模型的構(gòu)建方法還包括，

21、所述初始生成對抗網(wǎng)絡(luò)模型的目標函數(shù)為：

22、

23、式中，d表示為判別器，g表示為生成器；mingmaxd代表判別器d和生成器g的優(yōu)化目標相反，x代表真實的訓練樣本數(shù)據(jù)分布中的樣本，z代表符合噪聲分布的樣本，代表通過生成器生成的虛假樣本，判別器d輸出概率越接近1代表被判定樣本越真，反之為0；

24、在引入ls-gan模型和cgan模型之后，所述基于最小二乘損失函數(shù)條件生成對抗網(wǎng)絡(luò)模型的目標函數(shù)為：

25、

26、式中：y代表風險標簽；目標函數(shù)的核心思想是在風險標簽y的條件下使得生成器生成樣本g(z|y)被判別器判定為真(d(g(z|y))→1)，在風險標簽y的條件下使得判別器判別真實場景d(x|y)為真(d(g(x|y))→1)，判別生成器生成場景為假(d(g(z|y))→0)，從而得到最優(yōu)的模型參數(shù)。

27、作為本發(fā)明所述改進生成對抗網(wǎng)絡(luò)的極限運行場景生成方法的一種優(yōu)選方案，其中：測試對抗網(wǎng)絡(luò)模型的方法包括：通過編程環(huán)境實現(xiàn)，基于pytorch框架下調(diào)用gpu，以cuda并行計算的方式對網(wǎng)絡(luò)模型進行訓練，并在訓練完成后，為了對不同模型生成器生成的極限場景樣本進行可用性評估。

28、第二方面，本發(fā)明實施例提供了一種改進生成對抗網(wǎng)絡(luò)的極限運行場景生成系統(tǒng)，其包括電力系統(tǒng)仿真模塊、信息結(jié)合模塊、風險分析模塊，以及模型構(gòu)建模塊；

29、所述電力系統(tǒng)仿真模塊在極限運行場景生成框架的建立階段使用，用于創(chuàng)建新能源高滲透率的典型運行場景，并進行批量仿真以生成故障后的極限運行場景集合；

30、所述信息結(jié)合模塊用于將將風險信息融入生成器和判別器中，以生成滿足特定風險條件的極限運行場景，并且使用最小二乘損失函數(shù)，生成對抗網(wǎng)絡(luò)的訓練階段，以優(yōu)化模型參數(shù)；

31、所述風險分析模塊用于在極限運行場景生成框架中，對生成的運行場景進行風險分析，計算綜合風險指標，并根據(jù)這些指標劃分風險等級；

32、所述模型構(gòu)建模塊用于建立初始基于最小二乘損失函數(shù)條件生成對抗網(wǎng)絡(luò)模型，并對初始基于最小二乘損失函數(shù)條件生成對抗網(wǎng)絡(luò)模型進行各種訓練。

33、第三方面，本發(fā)明實施例提供了一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其中：所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述的改進生成對抗網(wǎng)絡(luò)的極限運行場景生成方法的任一步驟。

34、第四方面，本發(fā)明實施例提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其中：所述計算機程序被處理器執(zhí)行時實現(xiàn)上述的改進生成對抗網(wǎng)絡(luò)的極限運行場景生成方法的任一步驟。

35、本發(fā)明有益效果為：極限運行場景的定義及其風險等級劃分拓展并細化了電網(wǎng)調(diào)控策略制定的場景支撐體系。由于極限運行場景關(guān)注的是新能源高滲透率背景下，因典型故障導(dǎo)致的安全裕度嚴重降低但尚未失穩(wěn)的系統(tǒng)運行工況，對其調(diào)控策略的研究將有助于進一步織密、筑牢安穩(wěn)控制“三道防線”，系統(tǒng)性提升新型電力系統(tǒng)的安全防御水平。

36、提出的基于ls-cgan的極限運行場景生成模型，通過最小二乘損失函數(shù)的訓練，提高了模型性能與生成場景的精度；借助風險標簽的引導(dǎo)，可以更加高效地生成指定高風險等級的極限場景。與傳統(tǒng)生成模型的對比說明，本文方法可顯著提高生成指定風險等級樣本場景的比例，為運行方式人員根據(jù)所關(guān)注的系統(tǒng)運行風險水平獲取極限運行場景數(shù)據(jù)提供了一種新的途徑。