本發(fā)明涉及新能源指標(biāo)預(yù)測，并且更具體地，涉及一種新能源高比例接入下新型電力系統(tǒng)的暫態(tài)穩(wěn)定指標(biāo)預(yù)測方法及裝置。

背景技術(shù)：

1、當(dāng)前，我國正處于能源轉(zhuǎn)型關(guān)鍵時期，為實現(xiàn)“碳達峰、碳中和”目標(biāo)，未來將迎來新能源發(fā)電大規(guī)模建設(shè)高峰，2030年、2060年，新能源裝機規(guī)模將分別達到12億千瓦和40億千瓦以上。新能源發(fā)電的隨機性、波動性和低抗擾性對電力系統(tǒng)安全穩(wěn)定運行帶來極大挑戰(zhàn)，隨著裝機占比逐步增加，新能源發(fā)電特性對電網(wǎng)運行的影響日益凸顯，高比例新能源電力系統(tǒng)運行機理更加復(fù)雜，因此新能源規(guī)?；尤胂碌碾娏ο到y(tǒng)暫態(tài)穩(wěn)定分析就成為電網(wǎng)運行調(diào)度的關(guān)鍵問題。新能源短路比是指系統(tǒng)短路容量與電氣設(shè)備(含電力電子設(shè)備)容量間的比值，目前，新能源短路比已被用于分析可再生資源互連點處電力系統(tǒng)的強度，是評價新型電力系統(tǒng)暫態(tài)安全穩(wěn)定的關(guān)鍵指標(biāo)。

2、新能源短路比與電力系統(tǒng)在線運行數(shù)據(jù)一樣，都是一種具有動態(tài)特性的時間序列，系統(tǒng)的輸出不僅與當(dāng)前時刻的輸入有關(guān)，也和過去的狀態(tài)有關(guān)。傳統(tǒng)深度神經(jīng)網(wǎng)絡(luò)是一種受大腦啟發(fā)的網(wǎng)絡(luò)結(jié)構(gòu)，但在學(xué)習(xí)規(guī)則和計算方式上與真實的大腦存在著本質(zhì)上的差異。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供一種新能源高比例接入下新型電力系統(tǒng)的暫態(tài)穩(wěn)定指標(biāo)預(yù)測方法及裝置。

2、根據(jù)本發(fā)明的一個方面，提供了一種新能源高比例接入下新型電力系統(tǒng)的暫態(tài)穩(wěn)定指標(biāo)預(yù)測方法，包括：

3、獲取電力系統(tǒng)的電網(wǎng)連續(xù)新能源短路比數(shù)據(jù)，電網(wǎng)連續(xù)新能源短路比數(shù)據(jù)包括：歷史短路比數(shù)據(jù)以及實時短路比數(shù)據(jù)；

4、對電網(wǎng)連續(xù)新能源短路比數(shù)據(jù)進行預(yù)處理，獲取二進制離散脈沖序列，二進制離散脈沖序列包括：歷史二進制離散脈沖序列以及實時二進制離散脈沖序列；

5、根據(jù)歷史二進制離散脈沖序列對預(yù)先構(gòu)建的基于脈沖驅(qū)動的類腦神經(jīng)形態(tài)網(wǎng)絡(luò)進行訓(xùn)練，生成新能源短路比數(shù)據(jù)預(yù)測模型，其中類腦神經(jīng)形態(tài)網(wǎng)絡(luò)包括海馬神經(jīng)網(wǎng)絡(luò)和前額葉皮層神經(jīng)網(wǎng)絡(luò)，海馬神經(jīng)網(wǎng)絡(luò)和前額葉皮層神經(jīng)網(wǎng)絡(luò)均包括多個泄露整合觸發(fā)神經(jīng)元和多個人工泄露整合觸發(fā)神經(jīng)元；

6、利用新能源短路比數(shù)據(jù)預(yù)測模型，根據(jù)第一預(yù)設(shè)時間段內(nèi)的歷史二進制離散脈沖序列以及實時二進制離散脈沖序列，輸出第二預(yù)設(shè)時間段后的二進制新能源短路比預(yù)測結(jié)果；

7、將二進制新能源短路比預(yù)測結(jié)果通過保持器轉(zhuǎn)換為連續(xù)信號，獲取第二預(yù)設(shè)時間段后的新能源短路比預(yù)測結(jié)果。

8、可選地，對電網(wǎng)連續(xù)新能源短路比數(shù)據(jù)進行預(yù)處理，獲取二進制離散脈沖序列，包括：

9、根據(jù)預(yù)設(shè)時間不長和采用間隔，對電網(wǎng)連續(xù)新能源短路比數(shù)據(jù)進行離散化處理，獲取離散化新能源短路比數(shù)據(jù)；

10、通過泊松序列發(fā)生器對離散化新能源短路比數(shù)據(jù)進行處理，獲取與神經(jīng)形態(tài)事件驅(qū)動特性相適應(yīng)的二進制離散脈沖序列。

11、可選地，通過泊松序列發(fā)生器對離散化新能源短路比數(shù)據(jù)進行處理，獲取與神經(jīng)形態(tài)事件驅(qū)動特性相適應(yīng)的二進制離散脈沖序列，包括：

12、應(yīng)用滑動窗口對離散新能源短路比數(shù)據(jù)進行處理，獲取多個處理窗口數(shù)據(jù)矩陣；

13、采用泊松脈沖序列發(fā)生器，根據(jù)多個處理窗口數(shù)據(jù)矩陣，生成每一個處理窗口數(shù)據(jù)矩陣對應(yīng)的服從泊松分布的隨機數(shù)；

14、將每個處理窗口數(shù)據(jù)矩陣中元素的值與對應(yīng)的隨機數(shù)進行比對，根據(jù)比對結(jié)果更新處理窗口數(shù)據(jù)矩陣，獲取多個更新處理窗口數(shù)據(jù)矩陣；

15、根據(jù)多個更新處理窗口數(shù)據(jù)矩陣，獲取二進制離散脈沖序列。

16、可選地，根據(jù)比對結(jié)果更新處理窗口數(shù)據(jù)矩陣，獲取多個更新處理窗口數(shù)據(jù)矩陣，包括：

17、在比對結(jié)果中當(dāng)處理窗口數(shù)據(jù)矩陣中元素的值比對應(yīng)的隨機數(shù)的值大時，處理窗口數(shù)據(jù)矩陣中元素的值置1；

18、當(dāng)處理窗口數(shù)據(jù)矩陣中元素的值比對應(yīng)的隨機數(shù)的值小時，處理窗口數(shù)據(jù)矩陣中元素的值置0；

19、對多個處理窗口數(shù)據(jù)矩陣進行更新，獲取多個更新處理窗口數(shù)據(jù)矩陣。

20、可選地，海馬網(wǎng)絡(luò)的輸入有兩部分，一部分是輸入新能源短路比數(shù)據(jù)，另一部分是前額葉皮層網(wǎng)絡(luò)的狀態(tài)信息；前額葉皮層網(wǎng)絡(luò)的輸入信號有兩部分，一部分是輸入新能源短路比數(shù)據(jù)，另一部分是海馬網(wǎng)絡(luò)傳入的學(xué)習(xí)信號；海馬網(wǎng)絡(luò)和前額葉皮層網(wǎng)絡(luò)均采用泄露整合觸發(fā)神經(jīng)元和人工泄露整合觸發(fā)神經(jīng)元模型構(gòu)建基于突觸時間依賴可塑性規(guī)則的多層類腦神經(jīng)形態(tài)網(wǎng)絡(luò)，其中

21、泄露整合觸發(fā)神經(jīng)元模型如公式為：

22、

23、式中，vj(t)表示神經(jīng)元j在t時刻的膜電位；為突觸前神經(jīng)元i與神經(jīng)元j之間的突觸權(quán)重；為輸入信息傳入網(wǎng)絡(luò)的突觸權(quán)重；通過α表征膜時間常數(shù)對膜電位衰減的影響，τm為膜時間常數(shù)，控制著膜電位的衰減；為當(dāng)膜電位超過閾值時該神經(jīng)元產(chǎn)生的脈沖輸出；d表示突觸前脈沖序列傳輸?shù)臅r延；

24、人工泄露整合觸發(fā)神經(jīng)元模型如公式為：

25、aj(t)＝ρaj(t-1)+sj(t-1)

26、aj(t)＝βaj(t)+aj(t)

27、

28、式中，vj(t)為在t時刻的膜電位；vth為自適應(yīng)閾值；通過ρ表征膜時間常數(shù)對自適應(yīng)閾值衰減的影響，τa為膜時間常數(shù)；aj(t-1)為當(dāng)神經(jīng)元產(chǎn)生脈沖輸出時，該神經(jīng)元的自適應(yīng)閾值產(chǎn)生的更新量。

29、可選地，根據(jù)歷史二進制離散脈沖序列對預(yù)先構(gòu)建的基于脈沖驅(qū)動的類腦神經(jīng)形態(tài)網(wǎng)絡(luò)進行訓(xùn)練，生成新能源短路比數(shù)據(jù)預(yù)測模型，包括：

30、將歷史二進制輸出離散脈沖序列輸入海馬神經(jīng)網(wǎng)絡(luò)和前額葉皮層神經(jīng)網(wǎng)絡(luò)；

31、通過前額葉皮層神經(jīng)網(wǎng)絡(luò)提取歷史二進制輸出離散脈沖序列的特征，并將特征輸入至海馬神經(jīng)網(wǎng)絡(luò)；

32、通過海馬神經(jīng)網(wǎng)絡(luò)根據(jù)歷史二進制輸出離散脈沖序列和特征產(chǎn)生對前額葉皮層神經(jīng)網(wǎng)絡(luò)的不同神經(jīng)元突觸權(quán)重的學(xué)習(xí)信號，并將學(xué)習(xí)信號反饋至前額葉皮層神經(jīng)網(wǎng)絡(luò)。

33、通過前額葉皮層神經(jīng)網(wǎng)絡(luò)根據(jù)學(xué)習(xí)信號對不同神經(jīng)元突觸權(quán)重進行調(diào)整，并根據(jù)調(diào)整后的不同神經(jīng)元突出權(quán)重，輸出第二設(shè)定時間段后特定時間點處的二進制新能源短路比訓(xùn)練預(yù)測結(jié)果；

34、通過保持器處理二進制新能源短路比指標(biāo)訓(xùn)練預(yù)測結(jié)果，將其轉(zhuǎn)變?yōu)檫B續(xù)預(yù)測結(jié)果，輸出連續(xù)的新能源短路比訓(xùn)練預(yù)測結(jié)果；

35、根據(jù)新能源短路比訓(xùn)練預(yù)測結(jié)果與對應(yīng)的新能源短路比訓(xùn)練真實結(jié)果，生成新能源短路比數(shù)據(jù)預(yù)測模型。

36、根據(jù)本發(fā)明的另一個方面，提供了一種新能源高比例接入下新型電力系統(tǒng)的暫態(tài)穩(wěn)定指標(biāo)預(yù)測裝置，包括：

37、第一獲取模塊，用于獲取電力系統(tǒng)的電網(wǎng)連續(xù)新能源短路比數(shù)據(jù)，電網(wǎng)連續(xù)新能源短路比數(shù)據(jù)包括：歷史短路比數(shù)據(jù)以及實時短路比數(shù)據(jù)；

38、第二獲取模塊，用于對電網(wǎng)連續(xù)新能源短路比數(shù)據(jù)進行預(yù)處理，獲取二進制離散脈沖序列，二進制離散脈沖序列包括：歷史二進制離散脈沖序列以及實時二進制離散脈沖序列；

39、生成模塊，用于根據(jù)歷史二進制離散脈沖序列對預(yù)先構(gòu)建的基于脈沖驅(qū)動的類腦神經(jīng)形態(tài)網(wǎng)絡(luò)進行訓(xùn)練，生成新能源短路比數(shù)據(jù)預(yù)測模型，其中類腦神經(jīng)形態(tài)網(wǎng)絡(luò)包括海馬神經(jīng)網(wǎng)絡(luò)和前額葉皮層神經(jīng)網(wǎng)絡(luò)，海馬神經(jīng)網(wǎng)絡(luò)和前額葉皮層神經(jīng)網(wǎng)絡(luò)均包括多個泄露整合觸發(fā)神經(jīng)元和多個人工泄露整合觸發(fā)神經(jīng)元；

40、輸出模塊，用于利用新能源短路比數(shù)據(jù)預(yù)測模型，根據(jù)第一預(yù)設(shè)時間段內(nèi)的歷史二進制離散脈沖序列以及實時二進制離散脈沖序列，輸出第二預(yù)設(shè)時間段后的二進制新能源短路比預(yù)測結(jié)果；

41、第三獲取模塊，用于將二進制新能源短路比預(yù)測結(jié)果通過保持器轉(zhuǎn)換為連續(xù)信號，獲取第二預(yù)設(shè)時間段后的新能源短路比預(yù)測結(jié)果。

42、根據(jù)本發(fā)明的又一個方面，提供了一種計算機可讀存儲介質(zhì)，所述存儲介質(zhì)存儲有計算機程序，所述計算機程序用于執(zhí)行本發(fā)明上述任一方面所述的方法。

43、根據(jù)本發(fā)明的又一個方面，提供了一種電子設(shè)備，所述電子設(shè)備包括：處理器；用于存儲所述處理器可執(zhí)行指令的存儲器；所述處理器，用于從所述存儲器中讀取所述可執(zhí)行指令，并執(zhí)行所述指令以實現(xiàn)本發(fā)明上述任一方面所述的方法。

44、從而，本發(fā)明采用泄露整合觸發(fā)模型和人工泄露整合觸發(fā)模型，具有生物可解釋性。人工泄露整合觸發(fā)模型的疊加使得生物神經(jīng)元觸發(fā)閾值的自適應(yīng)特征在網(wǎng)絡(luò)中起調(diào)整作用。建立了模擬人腦海馬體和前額葉皮層的雙網(wǎng)絡(luò)結(jié)構(gòu)，使得預(yù)測系統(tǒng)的學(xué)習(xí)過程不僅受到突觸可塑性規(guī)則影響，也收到海馬網(wǎng)絡(luò)的學(xué)習(xí)信號調(diào)控。這與人腦神經(jīng)系統(tǒng)進行學(xué)習(xí)認知活動時的多巴胺信號功能相似。建立了針對海馬網(wǎng)絡(luò)以及前額葉皮層網(wǎng)絡(luò)的學(xué)習(xí)方法，通過兩個網(wǎng)絡(luò)的協(xié)同實現(xiàn)少量標(biāo)定樣本下網(wǎng)絡(luò)的持續(xù)學(xué)習(xí)能力。這使得網(wǎng)絡(luò)在時間窗口有限的新型電力系統(tǒng)中，獲得迅速精確的歷史數(shù)據(jù)，并通過強大的在線學(xué)習(xí)能力，給出較為準(zhǔn)確和魯棒的新能源短路比預(yù)測結(jié)果。這種訓(xùn)練方法大大降低了網(wǎng)絡(luò)對標(biāo)簽數(shù)據(jù)的依賴，提高了網(wǎng)絡(luò)的泛化能力和魯棒性。