(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 202211018209.1 (22)申请日 2022.08.24 (71)申请人 国网山东省电力公司经济技 术研究 院 地址 250000 山东省济南市槐荫区纬十路 111号 申请人 华北电力大 学 (72)发明人 李文升　杨立超　蒋凯　刘念　 赵龙　刘晓明　田鑫　杨斌　杨思　 高效海　王男　张丽娜　付一木　 魏佳　魏鑫　邱轩宇　张玉跃　 张栋梁　袁振华　程佩芬　孟祥飞　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 韩雪梅(51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06N 5/00(2006.01) G06N 20/20(2019.01) H02J 3/00(2006.01) H02J 3/06(2006.01) (54)发明名称 一种数据-模 型混合驱动的电力系统安全评 估方法及系统 (57)摘要 本发明提供一种数据 ‑模型混合 驱动的电力 系统安全评估 方法及系统， 属于电力系统安全评 估领域， 电力系统安全评估方法包括： 采集电网 调度平台的多时间尺度数据集； 根据历史负荷数 据对电力系统的日前负荷进行预测， 得到日前负 荷预测数据； 根据多时间尺度数据集及日前负荷 预测数据对电力系统进行潮流计算； 根据日前故 障类型、 日前电网拓扑结构及日前潮流计算结 果， 基于安全评估模型， 确定电力系统的日前安 全评估指标值； 根据实时负荷对电力系统进行潮 流计算； 根据当前故障类型、 当前电网拓扑结构 及实时潮流计算结果， 基于安全评估模型确定电 力系统的实时安全评估指标值。 提高了电力系统 安全评估的效率。 权利要求书4页 说明书17页 附图4页 CN 115392697 A 2022.11.25 CN 115392697 A 1.一种数据 ‑模型混合驱动的 电力系统安全评估方法， 其特征在于， 所述数据 ‑模型混 合驱动的电力系统安全评估方法包括： 采集电网调度平台的多时间尺度数据集； 所述多时间尺度 数据集包括计划数据及日偶 发故障数据； 所述计划数据包括月时间尺度下 的电网拓扑结构、 周时间尺度下 的机组开关 机状态及日时间尺度下的电网运行数据； 所述日偶发故障数据包括 故障发生时的电网拓扑 结构、 电网运行 数据及故障类型； 获取电力系统的历史负荷数据； 根据所述历史负荷数据， 采用贝叶斯网络对电力系统的日前负荷进行预测， 得到日前 负荷预测数据； 根据所述多时间尺度 数据集及所述日前负荷预测数据对所述电力系统进行潮流计算， 得到日前潮流计算结果； 所述日前潮流计算结果包括电力系统的有功功率、 无功功率及电 压分布数据； 获取日前故障类型及日前电网拓扑 结构； 根据所述日前故障类型、 所述日前电网拓扑结构及所述日前潮流计算结果， 基于安全 评估模型， 确定电力系统的日前安全评估指标值； 所述安全评估模型为预先采用训练样本 集对XGBoost进行训练得到的； 所述训练样本集中包括多组特征值及各组特征值对应的安 全评估指标值； 每组特 征值包括历史故障类型、 历史电网拓扑 结构及历史潮流计算结果； 获取电力系统的实时负荷； 根据所述实时负荷对所述电力系统进行潮流计算， 得到实时潮流计算结果； 获取当前故障类型及当前电网拓扑 结构； 根据所述当前故障类型、 所述当前电网拓扑结构及所述实时潮流计算结果， 基于所述 安全评估 模型， 确定电力系统的实时安全评估指标值。 2.根据权利要求1所述的数据 ‑模型混合驱动的 电力系统安全评估方法， 其特征在于， 所述根据所述多时间尺度数据集及所述日前负荷预测数据对所述电力系统进 行潮流计算， 得到日前潮流计算结果， 具体包括： 根据所述多时间尺度数据集及所述日前负荷预测数据， 建立随机潮流模型； 采用半不变量法对所述随机潮流模型求解， 确定电力系统的有功功率、 无功功率及电 压分布数据。 3.根据权利要求1所述的数据 ‑模型混合驱动的 电力系统安全评估方法， 其特征在于， 所述安全评估 模型的训练过程包括： 获取多组特征值； 每组特征值包括历史故障类型、 历史电网拓扑结构及历史潮流计算 结果； 所述历史电网拓扑 结构中包括多个节点及多个支路； 针对任一组特征值， 根据所述历史故障类型及所述历史电网拓扑结构， 确定预想故障 集； 所述预想故障集中包括多个预想故障； 根据所述预想故障集、 所述历史电网拓扑结构及所述历史潮流计算结果， 确定各支路 的潮流越限严重度及各节点的电压越限严重度； 根据各支路的潮流越限严重度， 确定支路过 载严重度指标值； 根据各节点的电压越限严重度， 确定节点越限严重度指标值； 计算各预想故障发生的概率、 各预想故障发生 时电力系统 的安全概率和无故障时电力权　利　要　求　书 1/4 页 2 CN 115392697 A 2系统的安全概 率； 根据各预想故障发生的概率、 各预想故障发生 时电力系统 的安全概率和无故障时电力 系统的安全概 率， 确定不 安全概率指标值； 根据所述支路过载严重度指标值、 所述节点越限严重度指标值及所述不安全概率指标 值， 确定对应组特 征值的安全评估指标值； 根据各组特征值及各组特征值的安全评估指标值， 对XGBoost进行训练， 得到安全评估 模型。 4.根据权利要求3所述的数据 ‑模型混合驱动的 电力系统安全评估方法， 其特征在于， 采用以下公式， 确定支路ij的潮流越限严重度： 其中， 为支路ij的潮流越限严重度， 为引起支路ij潮流越 限的故障集合， E为预想故障集， K为预想故障的总数， 为支路ij在预想故障k发生时的 有功功率， Pmax为支路ij允许传输的最大有功功率值， Pmin为支路ij允许传输的最小有功功 率值， ||为取绝对值。 5.根据权利要求3所述的数据 ‑模型混合驱动的 电力系统安全评估方法， 其特征在于， 采用以下公式， 确定节点 i的电压越限严重度： 其中， 为节点i的电压越限严重度， 为引起节点i电压幅值越 限的故障集合， E为预想故障事件集， K为预想故障的总数， vH为节点i允许的最大电压幅值， 为节点i在预想故障k发生时的电压幅值， vL为节点i允许的最小电压幅值。 6.根据权利要求3所述的数据 ‑模型混合驱动的 电力系统安全评估方法， 其特征在于， 采用以下公式， 确定支路过 载严重度指标值： 其中， ROL为支路过载严重度指标值， α和β 为权重系数， α +β ＝1， M为电力系统中的支路总 数， Sevbranch为各支路的潮流越限严重度组成的矩阵， ||Sevbranch||1表示对Sevbranch求1范 数， ||Sevbranch||∞表示对Sevbranch求∞范数。 7.根据权利要求3所述的数据 ‑模型混合驱动的 电力系统安全评估方法， 其特征在于， 采用以下公式， 确定节点越限严重度指标值:权　利　要　求　书 2/4 页 3 CN 115392697 A 3