(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 202211134797.5 (22)申请日 2022.09.19 (71)申请人 浙江浙能乐清发电有限责任公司 地址 325600 浙江省温州市乐清市南 岳镇 虹南大道8 866号 申请人 浙江浙能数字科技有限公司 (72)发明人 林彤　李汉秋　杨帮敏　柴真琦　 陈浩　柯永省　林佳航　罗天　 (74)专利代理 机构 杭州九洲专利事务所有限公 司 33101 专利代理师 张羽振 (51)Int.Cl. G06K 9/62(2022.01) G06Q 50/06(2012.01) (54)发明名称 一种基于主动学习的社区综合能源系统运 行安全评估方法 (57)摘要 本发明涉及一种基于主动学习的社区综合 能源系统运行安全评估 方法， 包括利用历史数据 构造数据集； 使用主动学习策略依次抽取定量样 本添加到训练集， 逐步增加训练集数量， 期间随 时更新模型； 在有限次迭代后， 得到训练完成的 SVM分类模型， 实现对社区综合能源系统实时数 据进行运行安全评估判断。 本发明的有益效果 是： 本发明在构造训练数据集时， 仅选取SV M决策 边界附近的样本点进行标记， 避免了对 大量无用 样本点的标记工作， 实现了以最少的样本量完成 社区综合能源系统运行安全评估模型的训练任 务， 减轻时域仿真模块的工作量， 大幅提升离线 模块训练、 更新的整体运行速度， 使系统更具有 实时性、 有效性和安全性。 权利要求书2页 说明书6页 附图1页 CN 115510961 A 2022.12.23 CN 115510961 A 1.一种基于主动学习的社区综合能源系统运行安全评估方法， 其特 征在于， 包括： 步骤1， 利用社区综合能源系统运行期间产生的过程数据， 及其对应的社区综合能源系 统运行安全状态信息， 构造数据集； 步骤2， 使用主动学习策略依次抽取定量样本添加到训练集， 逐步增加训练集数量， 期 间随时更新模型； 步骤3， 在有限次迭代后， 得到训练完成的SVM分类模型， 实现对社区综合能源系统实时 数据进行运行安全评估判断。 2.根据权利要求1所述的基于主动学习的社区综合能源系统运行安全评估方法， 其特 征在于， 步骤1包括： 步骤1.1， 获取社区综合能源系统相关设备的历史过程数据， 包括系统各节点的有功功 率、 无功功率、 节点电压及故障信息， 形成原 始样本数据集： Di＝{Xi， yi}i∈1， 2， …N 其中， Di表示表示第i个时刻的样本点， Xi表示第i个时刻社区综合能源系统实时运行的 特征信息， 包括系统节点和线路的功率、 电压信息， yi是基于实际仿真添加的人为标记信 息， 表示系统在第i个时刻出现特定故障时， 当前状态能否通过自动调节维持系统动态稳 定； 步骤1.2， 对数据集进行数据预处理， 将特征向量进行均值方差归一化处理， 去除不同 物理量间量纲不同造成的影响， 将处 理后数据集按a:b划分为池训练集Dp和测试集Dt。 3.根据权利要求2所述的基于主动学习的社区综合能源系统运行安全评估方法， 其特 征在于， 步骤2包括： 步骤2.1， 从池训练集Dp提取n个样本点作为训练集Dtr， 基于交叉验证对支持向量机进 行分类训练， 得到SVM初始分类模型M0， 二分类决策函数为： y＝sign(ωT·X+b) 其中， ωT·X+b是SVM初始分类模型M0的决策边界， ω、 b为模型参数， T为转置符号； sign 为符号函数； 步骤2.2， 使用主动学习策略， 基于当前SVM初始分类模型M0构造查询函数g(M0,X)， 对池 训练集Dp剩余样本基于查询函数返 回值进行排序， 选择前m个样本点加入训练集， 重新训练 SVM初始分类模型M0， 得到SVM更新模型Mj， 并计算SVM更新模型Mj对测试集Dt样本点的评估 准确率Ac c。 4.根据权利要求3所述的基于主动学习的社区综合能源系统运行安全评估方法， 其特 征在于， 步骤3包括： 重复步骤2.2， 直到模型的评估准确率Acc不再增加， 得到基于最少样 本 点训练得到的社区综合能源系统运行安全评估模型M， 使用模 型M实现基于电力系统实时功 率、 电压信息， 进 行电力系统运行安全评估， 预测特定故障发生后的系统运行安全稳定性变 化。 5.根据权利要求3所述的基于主动学习的社区综合能源系统运行安全评估方法， 其特 征在于， 步骤2.2中， 主动学习策略包括如下步骤： 步骤2.2.1， 基于当前SVM初 始分类模型M0的决策边界， 计算样本点到 所述决策边界的欧 氏距离， 距离越近， 样本点成为支持向量点的可能性越大， 选择距决策边界最近的样本点权　利　要　求　书 1/2 页 2 CN 115510961 A 2放在排序首位： 步骤2.2.2， 使用sigmoid函数将支持向量机的决策函数返回值映射到[0， 1]区间， 作为 分类器输出的概率预测值， 使用概率预测值计算概率熵评估样本点在当前模型下的预测不 确定性， 将概 率熵值更高的样本点 放在排序首位： P(yi|X， θ )＝sigmo id(ωT·X+b) 其中， P(yi|X, θ )为样本点X在分类器输出下的概率预测值， θ＝(ω,b)是模型参数的统 称。 6.一种基于主动学习的社区综合能源系统运行安全评估装置， 其特征在于， 用于执行 权利要求1至 5任一所述社区综合能源系统运行安全评估方法， 包括： 构造模块， 用于利用社区综合能源系统运行期间产生的过程数据， 及其对应的社区综 合能源系统运行安全状态信息， 构造数据集； 添加模块， 用于使用主动学习策略依次抽取定量样本添加到训练集， 逐步增加训练集 数量， 期间随时更新模型； 评估模块， 用于在有限次迭代后， 得到训练完成的SVM分类模型， 实现对社区综合能源 系统实时数据进行运行安全评估判断。 7.一种计算机存储介质， 其特征在于， 所述计算机存储介质内存储有计算机程序； 所述 计算机程序在计算机上运行时， 使得计算机执行权利要求 1至5任一所述社区综合能源系统 运行安全评估方法。 8.一种计算机程序产品， 其特征在于， 当所述计算机程序产品在计算机上运行时， 使得 计算机执 行权利要求1至 5任一所述社区综合能源系统运行安全评估方法。权　利　要　求　书 2/2 页 3 CN 115510961 A 3