本发明涉及电力系统暂态稳定评估，具体为一种适用于电力系统多任务暂态稳定评估的数据驱动方法，其采用了最大李雅普诺夫指数判据-动态异构图模型分析框架。
背景技术：
1、暂态稳定状态评估是电网受扰后及时采取有效控制措施的重要基础。随着新能源入网比例和电力电子变换器接入比例增大，具有更强新能源消纳能力的新型电力系统组成元件异构化、形态结构复杂化、控制过程非线性化、耦合形式多样化，电网复杂系统特性凸显(鞠平，姜婷玉，黄桦.浅论新型电力系统的“三自”性质[j].中国电机工程学报，2023，43(07)：2598-2608)，对快速准确地进行暂态稳定评估提出了更高的要求，复杂性科学理论结合数据驱动的思想为大电网系统的稳定分析与控制提供了新的思路。
2、现有数据驱动方法大多以暂态稳定指数作为功角判据、以单二元表电压量测阈值信息构造电压判据，广域测量系统(wams)和同步相量测量装置(pmu)的广泛接入为获取包含关于系统动态的各种响应轨迹信息提供了数据支撑，能够为暂态稳定提供更丰富的判断依据。文献(朱存浩，马世英，郑超，等.基于实测响应轨迹的电力系统暂态不稳定判别[j].中国电机工程学报，2021，41(15)：5077-5091)指出受扰过程中，不同稳定状态的相轨迹特性分析表现出不同的几何凹凸特性。文献(魏少攀，杨明，韩学山，等.基于相轨迹mle指标的暂态功角稳定在线辨识[j].电力系统自动化，2017，41(16)：71-79)提出一种基于转速差-功角差相轨迹最大李雅普诺夫指数的暂态功角稳定判别方法，上述研究在一定程度上能够表征复杂系统动态特征，但由于新能源机组不存在传统转子角特性，难以从功角特性出发分析系统暂态稳定特性。暂态受扰过程中存在多种失稳表现形式，目前关于暂态功角稳定问题的分析大多基于电源侧，暂态电压稳定问题大多基于负荷侧，但本质上两者都是由暂态过程中功率不平衡引起的(李宗翰，孙华东，郑超等.基于广域支路响应无功分布特征的主导失稳形态判别[j].中国电机工程学报，2023，43(13)：4883-4898)。考虑到输入特征的选取应遵循关键性和易获取性两大原则，因此可以分别从电源侧和负荷侧筛选表征功角、电压稳定状态的重要量测信息。
3、另一方面，各类数据驱动模型已经在系统暂态稳定评估任务上得到了广泛的应用，如随机森林(武宇翔，韩肖清，牛哲文，等.基于变权重随机森林的暂态稳定评估方法及其可解释性分析[j].电力系统自动化，2023，47(14)：93-104)、长短期记忆网络(解治军，张东霞，韩肖清，等.基于改进长短期记忆网络的电力系统暂态稳定评估方法研究[j].电网技术，2024，48(03)：998-1010)、集成学习模型等(周挺，杨军，詹祥澎，等.一种数据驱动的暂态电压稳定评估方法及其可解释性研究[j].电网技术，2021，45(11)：4416-4425)，上述模型能有效提取电气量的时序特征，建立输入特征和稳定性之间的映射关系，但未考虑电网拓扑的空间特性对系统稳定性的影响。电力系统是由发电机、负载以及控制元件相互连接形成的网络，其时变拓扑结构对于系统的稳定性有很大的影响。
4、基于消息传递机制的图神经网络与电力系统图结构特性适配，节点的聚合关系可以通过网络拓扑加以约束，因此可以借助图神经网络提取系统的空间特性。文献(姜涛，董雨，王长江，等.基于图卷积和双向长短期记忆网络的受端电力系统暂态电压稳定评估[j].电网技术，2023，47(12)：4937-4951)基于图卷积神经网络和长短期记忆网络相结合的暂态电压评估模型挖掘电网时空分布规律；文献(张亮，安军，周毅博.基于时间卷积和图注意力网络的电力系统暂态稳定评估[j].电力系统自动化，2023，47(7)：114-122)搭建了图注意力网络以提取暂态数据的空间特征。上述研究所考虑的图模型属于节点和连边类型单一的同构图范畴，各节点的输入及输出特征维度应一致，尚未考虑到各类图数据可能天然地具有异构性，不同类型节点具备的属性不同，形成图拓扑时应视作异构节点。以电力系统不同类型的母线节点为例，除了共有的母线节点电压幅值和相角特征外，同步发电机节点还具有功角、发电机端电压等机组层级特征量，风机节点具有表征风机自身动态特性以及网侧、转子侧变换器等设备层级变量，此时电网拓扑属于异构图范畴。除此之外，电网拓扑结构会因故障清除模式的不同在时间断面上不断变化，此时无法使用简单的静态同构图准确表示。
5、综上，目前基于数据驱动方法研究多任务暂态稳定评估方法在判据选取以及评估算法适用性方面存在瓶颈，限制了其在复杂电力系统上的应用。
技术实现思路
1、本发明为了解决基于数据驱动方法的电力系统暂态稳定评估方法在判据选取和评估算法方法尚存在的问题，构建了一种以最大李雅普诺夫指数(mle)为稳定判据的多任务暂态稳定评估动态异构图模型，从复杂系统和数据驱动结合的视角出发提供了一种适用于电力系统多任务暂态稳定评估的数据驱动方法。
2、本发明(1)在机理判据选取方面，考虑到不同类型的电压量测信息能够反映不同的稳定机理，发电机机端电压幅值动态特性可以反映功率的变化，进而间接反映系统功角稳定情况，分别从机端电压和负荷母线电压出发，借助混沌系统稳定性理论将暂态功角和电压稳定性问题纳入统一分析框架，完成新型电力系统的复杂特性表征与机理分析。此研究思路的最大益处是电压可以由同步相量量测装置(pmu)直接获取，并且发电机组间无需确定功角参考系；(2)在暂态稳定评估算法方面，由于电力系统暂态稳定评估问题下的运行模式具有不可枚举性，目前各类数据驱动方法受限于模型自身处理输入数据的方式，普通未考虑到节点类型自身属性的差异和电网拓扑的变化，导致模型无法更好地提取系统的时空动态特征。动态异构图模型在处理同时具备节点异构性和拓扑动态性的电网非欧式图数据时具备一定的优势。
3、本发明是通过如下技术方案来实现的：一种适用于电力系统多任务暂态稳定评估的数据驱动方法，包括如下步骤：
4、阶段一：首先验证“电压响应信息-相轨迹凹凸特性-最大李雅普诺夫指数”判据框架的可行性，分别以机端电压和负荷母线电压轨迹的最大李雅普诺夫指数作为功角和电压暂态稳定判据。具体如下：
5、s1-1：相轨迹物理特性分析：
6、分别以机端电压和负荷母线电压偏差为横坐标，以电压幅值变化率为纵坐标绘制v'-δv相轨迹，如公式(1)所示：
7、
8、其中，vkδt和v(k-1)δt分别为kδt时刻和(k-1)δt时刻的电压幅值量测值，δvkδt为kδt时刻电压与基准电压的偏差值，v'kδt为当前时刻相对于前一时刻的电压幅值变化率，fs为采样频率；
9、该步骤通过分析不同暂态电压响应信息构成的相平面及观察相轨迹在二维平面中的物理特性，并根据该特性详细分析系统在暂态受扰过程中，稳定与失稳场景在相平面上呈现不同的发散或收缩趋势，以此来表征不同的暂态稳定类型和状态；
10、s1-2：最大李雅普诺夫指数判据构造：
11、最大李雅普诺夫指数是衡量非线性混沌系统动力学特性的一个重要指标，表征系统相邻轨道间收敛或发散的平均指数率。最大李雅普诺夫指数的值大于零则认为系统在相空间中相邻轨线的距离随着时间指数率增加而呈现混沌现象，小于零则认为系统趋于稳定，计算方法由公式(2)给出：
12、
13、其中下标值分别表示电压值对应的采样时刻。
14、阶段二：考虑同步发电机节点、双馈风机节点和母线节点三种节点类型，选取多时刻断面的时序电气量和拓扑信息为输入特征，通过异构图转换架构hgt和时间注意力门控递归单元tgru提取系统时空动态特性，所搭建的动态异构图可以有效计及节点的异构性和拓扑变化；具体如下：
15、s2-1：模型构建：
16、动态异构图模型包括异构图转换架构和时间注意力门控递归单元两个组件，异构图转换架构计及电网中节点输入特征维度的差异性，保留重要节点信息，核心思路是通过对目标节点的邻居节点信息进行聚合从而更新目标节点的信息，分为异构互注意力、异构消息传递和聚合三个模块；时间注意力门控递归单元通过多时间断面节点嵌入的变化来捕捉拓扑的演化模式，引入时间注意力机制学习不同节点在不同时刻下的嵌入表示；
17、s2-1-1：异构图转换架构：给定图g(v,e,o,r)，v和e分别为节点和连边集合，o和r分别为节点和连边种类，有类型映射函数：τ(v):v→o,φ(e):e→r；对于目标节点n及其邻居节点m∈m(t)的注意力权重运算由公式(3)给出：
18、
19、其中，是节点m和n经过线性映射和得到的第i个注意力头的向量；为边类型的维护矩阵，μ为注意力缩放系数；m(t)为邻居节点集合；h为注意力头数；x(l-1)[*]为第l-1层的输出向量，若l＝1，则x为模型原始输入特征x0；
20、多头注意力的消息传递运算由公式(4)给出：
21、
22、其中，为源节点m经线性映射后得到的第i个注意力头的向量，为边类型的维护矩阵；
23、聚合操作所有邻居节点的信息基于注意力权重聚合至目标节点，最后将第l层的目标节点响应映射至对应节点类别的分布，并引入残差连接，得到如公式(5)所示的目标节点n的最终表示：
24、
25、其中，为直和操作，a-linearτ(n)为线性映射操作，δ为激活函数；
26、s2-1-2：时间注意力门控递归单元：结构为多层门控递归单元的级联结构和时间注意力机制层，由异构图转换架构得到t时刻各节点的嵌入表示t时刻门控递归单元的迭代公式如公式(6)所示：
27、
28、其中，zt,rt分别为t时刻的更新门和遗忘门；wz,wr,ws,bz,br,bs为可训练的参数；σ为激活函数；xt为t时刻的输入特征，由异构图转换架构的输出得到；st和st-1分别为t时刻和前一时刻隐藏层的输出；
29、以节点i在不同时刻的门控递归单元隐藏层输出为输入，时间注意力执行缩放点积注意力机制，其输出由公式(7)给出：
30、
31、其中为可训练的参数；为掩码矩阵；
32、该步骤经过时间注意力机制运算后可得到各时刻的不同节点嵌入表示，以最终时刻节点信息作为下游暂态稳定评估任务的输入。
33、s2-2：模型性能评估指标构建：
34、本发明拟解决的暂态功角与电压多任务评估为多标签二分类问题，构造4×4的多维混淆矩阵来可视化模型分类效果，其中每一列代表样本的预测类别，每一行代表样本的真实归属类别；每一个样本标签以一个1×2的矩阵描述，矩阵的第一个元素表征功角稳定状态，其中稳定标签为δs，失稳标签为δus；第二个元素表征电压稳定状态，稳定标签为vs，失稳标签为vus，因此概率性出现的标签组合类别有四种，分别为[δs,vs]、[δs,vus]、[δus,vs]、[δus,vus]；混淆矩阵中各个元素值为真实标签和预测标签不同组合场景的计数值，分别对应上述四类情形，样本预测类别与真实归属类别一致的用t表示，样本预测类别与真实归属类别不一致的用f表示，下标值分别代表所在行数和所在列数，对应不同的稳定场景。进一步，基于混淆矩阵构建相应的评估指标是确保所提模型有效性的关键步骤，评估指标主要是基于混淆矩阵进行扩展的性能指标，不同的评估指标可以表现模型不同方面的性能。
35、阶段三：基于shapley方法研究所提算法的可解释性，量化模型决策规则，完成预测结果归因溯源分析，为在线应用阶段提供暂态预防措施依据。具体如下：
36、s3-1：暂态稳定评估流程：
37、s3-1-1：样本生成及稳定性标注：时域仿真运行场景考虑不同潮流运行方式、不同故障信息及清除方式等因素生成初始样本集，针对各类型节点选取尽可能涵盖全部暂态特征的不同输入电气量，进一步提取暂态响应轨迹，基于最大李雅普诺夫指数判据对样本集的暂态功角和电压稳定状态进行标注；
38、s3-1-2：离线训练：将样本集按照7:3随机抽取划分训练集和测试集，训练集用于训练模型，训练过程中以最小化损失函数为目标反向传播更新模型参数，直至损失函数值满足阈值条件；基于训练好的模型在测试集上评估模型性能表现；基于shapley方法对特定场景下各个特征的预测贡献度量化分析，结合电气领域知识对提取的决策规则进行进一步论证；
39、s3-1-3：在线应用：该阶段通过同步相量量测装置pmu实时监测电网量测信息，输入到训练好的模型中快速给出不同运行场景下的电网暂态稳定状态判断结果，便于控制人员采取预防控制措施，同时也可以设置置信度水平及人为辅助介入确保系统稳定态势的准确评估；
40、s3-2：面向模型预测机制的单一样本规则提取；
41、目前数据驱动方法研究的重点仍在模型算法的提升及模型在不同运行场景下的适用性上，忽略了“数据-模型-数据”分析框架的闭环分析，即要从模型预测结果回到输入数据层面。模型算法本身的复杂性及多维性为决策过程的可解释性带来了困难，对暂态评估任务中决策规则的提取不仅能够增强结果可信性，还能够为实时评估阶段提供决策依据，一定程度上可以克服当前数据驱动方法实际应用较差的局限性，提升在线稳定评估的应用能力。shapley方法用于量化输入特征对于模型输出的贡献，模型对于其中一个样本的预测值等于基准预测值与该样本包含的特征shapley值之和，其计算方法见公式(8)：
42、
43、其中，n为输入特征总个数；f为模型对某一样本的预测值；fbase为模型对测试集样本总数的预测基准值(期望值)；φi为该样本特征i的shapley值；s为不包含特征i的特征子集；φi的绝对值大小代表特征的影响程度。
44、本发明利用上述方法针对选取的具体的故障场景进行分析，通过对单一样本的重要特征shapley值求解，挖掘特征自身与暂态功角与电压稳定性的相关性趋势，对模型决策规则量化提取，并结合稳定机理和专家经验分析论证可解释性结果的可信性。
45、本发明所提供的一种适用于电力系统多任务暂态稳定评估的数据驱动方法，与现有技术相比本发明具有以下有益效果：(1)机理判据层面，基于机端电压和负荷母线电压量测量分析了v'-δv相平面物理特性，建立了暂态稳定状态与最大李雅普诺夫指数的映射关系，构建了包含更多暂态机理信息的功角和电压判据。本发明所提判据相比于常规判据在评估任务上的表现更佳。(2)模型算法层面，提出了一种计及节点异构性和拓扑动态性的动态异构图多任务暂态稳定评估模型，对比了常用的图深度学习模型在各项性能指标上的表现，可见本发明所提模型在指标上达到最优。(3)模型解释层面，借助模型无关的shapley可解释性分析算法对模型决策规则量化提取，比较了特定故障场景下不同输入特征对多任务暂态稳定预测的影响差异，并辅助暂态机理和专家经验分析验证模型在暂态稳定评估方面的可信度。
1.一种适用于电力系统多任务暂态稳定评估的数据驱动方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种适用于电力系统多任务暂态稳定评估的数据驱动方法，其特征在于：阶段一具体如下：
3.根据权利要求2所述的一种适用于电力系统多任务暂态稳定评估的数据驱动方法，其特征在于：阶段二具体如下：
4.根据权利要求3所述的一种适用于电力系统多任务暂态稳定评估的数据驱动方法，其特征在于：阶段三具体如下：
