买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广西大学

摘要：本发明提出一种基于Inception‑v4‑resnet‑v2的电力系统暂态稳定预测方法，该方法为：用拉丁超立方采样方法选择电力系统运行数据，通过大量的离线时域仿真计算数据对应的最小暂态稳定指数；将数据进行处理转换成图片，输入由深度全连接层、Inception‑v4和resnet‑v2共同构建的基于Inception‑v4‑resnet‑v2的电力系统暂态稳定预测模型中进行训练，输出暂态稳定指数，得到基于Inception‑v4‑resnet‑v2的电力系统暂态稳定预测离线模型；通过电力系统在线监测获得在线数据，将处理过的在线数据输入训练好的基于Inception‑v4‑resnet‑v2的电力系统暂态稳定预测离线模型，进行电力系统暂态稳定预测；本发明提高电力系统暂态稳定预测的准确性和评估速度。

主权项：1.一种基于Inception-v4-resnet-v2的电力系统暂态稳定预测方法，其特征在于，将深度全连接层、Inception-v4和resnet-v2进行结合，用于电力系统暂态稳定预测，提高电力系统暂态稳定预测的准确性和评估速度；在使用过程中的步骤为：步骤1：根据电力系统不同运行状况，用拉丁超立方采样方法选择500组电力系统运行数据；每一组运行数据包括五个参数，即发电机端电压、发电机的有功功率、发电机的无功功率、负载的有功功率和负载的无功功率；步骤2：运行每组数据在m个不同位置发生三相短路故障的场景；生成500m个故障运行场景；步骤3：通过离线时域仿真得到500m个故障运行场景的暂态稳定指数TSI；暂态稳定指数TSI为： 式中，|·|为求绝对值；Trange为任意两台发电机在三相短路故障下转子角变化的观测区间；δi,t与δj,t分别是Trange中第i台发电机和第j台发电机的转子角；当TSI0时，系统暂态稳定；当TSI0时，系统暂态不稳定；500组运行数据的每组数据都有m个暂态稳定指数TSI；将每组数据的m个暂态稳定指数TSI的最小值设置为对应数据组的标签；步骤4：每一组数据都包含步骤1中5个参数，500组数据共计2500个数据；将2500个数据排列成尺寸50×50的矩阵H为：H＝[VGT,PGT,QGT,PLT,QLT]2式中，H表示尺寸50×50的矩阵；T为矩阵转置；发电机端电压矩阵VG为： 发电机的有功功率矩阵PG为： 发电机的无功功率矩阵QG为： 负载的有功功率矩阵PL为： 负载的无功功率矩阵QL为： 步骤5：将步骤4中的尺寸为50×50矩阵按列进行归一化；归一化公式为： 式中，x*p,q是归一化后的值；xp,q是尺寸50×50矩阵中第p行q列数据的值；xqmin是第q列的最小值；xqmax是第q列的最大值；N为自然数集；将经过归一化的矩阵中所有数据与255相乘，并向下取整，形成灰度图片；最后，将灰度图片缩放，并与自身复制三次，获得尺寸为299×299×3的图片；步骤6：用深度全连接层、Inception-v4和resnet-v2共同构建基于Inception-v4-resnet-v2的电力系统暂态稳定预测模型，使用步骤5处理后的299×299×3尺寸图片输入Inception-v4-resnet-v2网络进行离线训练，输出暂态稳定指数TSI，得到基于Inception-v4-resnet-v2的电力系统暂态稳定预测离线模型；Inception-v4-resnet-v2网络结构为：输入尺寸为299×299×3的图片；接入1个stem模块；再接入4个Inception-v4-resnet-v2-A模块；再接入一个Reduction-A模块；再接入7个Inception-v4-resnet-v2-B模块；再接入一个Reduction-B模块；再接入3个Inception-v4-resnet-v2-C模块；再接入一个平均池化层；再接入全连接层和回归层；最后输出暂态稳定指数TSI；步骤6.1：stem模块结构为：输入299×299×3尺寸的图片；接入三次3×3的卷积处理；再分为2个分支：分支1为一次3×3的卷积处理；分支2为一次3×3的最大池化处理；分支1与分支2合并；再分为2个分支：分支1为依次经过一次1×1的32通道地卷积处理和一次3×3的32通道地卷积处理；分支2为依次经过一次1×1的64通道地卷积处理、一次7×1的64通道地卷积处理、一次1×7的64通道地卷积处理和一次3×3的96通道地卷积处理；再分支1与分支2合并；再分为2个分支：分支1为一次3×3卷积处理；分支2为一次最大池化处理；最后2分支合并输出；步骤6.2：Inception-v4-resnet-v2-A模块结构为：输入后分为5个分支：分支1直接输出；分支2为一次1×1的96通道地卷积处理；分支3为一次1×1的96通道地卷积处理；分支4为一次1×1的96通道地卷积处理和一次c的96通道地卷积处理；分支5为一次1×1的64通道地卷积处理、一次3×3的96通道地卷积处理和一次3×3的96通道地卷积处理；再将分支2、3、4、5的结果堆叠后进行一次1×1地卷积并且与分支1的结果相加；最后输出；步骤6.3：Reduction-A模块结构为：输入后分为三个分支：分支1为一次3×3最大池化处理；分支2为步长为2的一次3×3地卷积处理；分支3为一次1×1地卷积处理、一次3×3地卷积处理和一次步长为2的一次3×3地卷积处理；再将分支1、2、3相加；最后输出；步骤6.4：Inception-v4-resnet-v2-B模块结构为：输入后分为5个分支：分支1直接输出；分支2为一次1×1的128通道地卷积处理；分支3为一次1×1的384通道地卷积处理；分支4为一次1×1的192通道地卷积处理、一次1×7的224通道地卷积处理和一次1×7的256通道地卷积处理；分支5为一次1×1的192通道地卷积处理、一次1×7的192通道地卷积处理、一次7×1的224通道地卷积处理、一次1×7的224通道地卷积处理和一次7×1的256通道地卷积处理；再将分支2、3、4、5的结果堆叠后进行一次1×1地卷积并且与分支1的结果相加；最后输出；步骤6.5：Reduction-B模块结构为：输入后分1×1为3个分支：分支1为3×3的最大池化处理；分支2为一次1×1的192通道地卷积处理和一次步长为2的1×1的192通道地卷积处理；分支3为一次1×1的256通道地卷积处理、一次1×7的256通道地卷积处理、一次7×1的320通道地卷积处理和一次步长为2的3×3的320通道地卷积处理；再将分支1、2、3相加；最后输出；步骤6.6：Inception-v4-resnet-v2-C模块结构为：输入后分为5个分支：分支1直接输出；分支2为一次1×1的256通道地卷积处理；分支3为一次1×1的256通道地卷积处理；分支4为一次1×1的384通道地卷积处理；再分为2个分支：分支1为一次1×3的256通道地卷积处理；分支2为一次3×1的256通道地卷积处理；分支5为一次1×1的384通道地卷积处理、一次1×3的448通道地卷积处理和一次3×1的512通道地卷积处理；再分为2个分支：分支1为3×1的256通道地卷积处理；分支2为一次1×3的256通道地卷积处理；再将分支2、3、4、5的结果堆叠后进行一次1×1地卷积并且与分支1的结果相加；最后输出；步骤7：通过电力系统在线监测获得电力系统的在线数据，在线数据包括步骤1中五个参数，将在线数据转换成图片后输入基于Inception-v4-resnet-v2的电力系统暂态稳定预测离线模型，输出暂态稳定指数TSI。

全文数据：

权利要求：

百度查询： 广西大学 一种基于Inception-v4-resnet-v2的电力系统暂态稳定预测方法