(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 202210928525.6 (22)申请日 2022.08.03 (71)申请人 哈尔滨工业大 学 （威海） 地址 264200 山东省威海市文化西路2号 (72)发明人 宋蕙慧　吕文茜　张新　李盈盈　 严帅　边卓伟　 (74)专利代理 机构 威海佩敏专利代理事务所 (普通合伙) 37284 专利代理师 宋益敏 (51)Int.Cl. G06K 9/62(2022.01) G06Q 30/02(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种训练数据集的构造方法 (57)摘要 本申请提供一种训练数据集的构 造方法， 所 述训练数据集被用于对电力系统的重要度预测 模型进行训练， 所述电力系统包括多个节点和多 条线路， 多个发电单元以及至少1个负荷单元， 包 括以下步骤： 获取时间序列{ti}对应的电力系统 的实际采样数据， 其中i∈[1,T]； 基于随机选择 的场景模式在{ti}的子序列{ti′}对电力系 统施 加扰动并计算对应的模拟采样数据， 使用所述模 拟采样数据对 所述实际采样数据进行重构， 得到 电力系统的重构采样数据； 基于所述重构采样数 据构造所述训练数据集。 使用本申请的方法所构 造的训练数据集对电力系统的重要度预测模型 进行训练， 能够有效地提高预测模 型对各种突发 状况的预测精度。 权利要求书2页 说明书8页 附图4页 CN 115186765 A 2022.10.14 CN 115186765 A 1.一种训练数据集的构造方法， 所述训练数据集被用于对电力系统的重要度预测模型 进行训练， 所述电力系统包括多个节点、 多 条线路， 多个发电单元以及至少1个负荷单元， 其 特征在于， 包括以下步骤： S1： 获取时间序列 {ti}对应的电力系统的实际采样数据， 其中i∈[1， T]； S2： 基于随机选择的场景模式在{ti}的子序列{ti′}对电力系统施加扰动并计算对应的 模拟采样数据， 使用所述模拟采样数据对所述实际采样数据进行重构， 得到电力系统的重 构采样数据； S3： 基于所述重构采样数据构造所述训练数据集。 2.根据权利要求1所述的一种训练数据集的构造方法， 其特 征在于： 所述实际采样数据包括各节点、 线路、 发电单元及负荷单元在各时间点ti对应的有功功 率和无功 功率的实际采样值。 3.根据权利要求1所述的一种训练数据集的构造方法， 其特 征在于： 所述场景模式包括电源故障模式和线路故障模式。 4.根据权利要求3所述的一种训练数据集的构造方法， 其特征在于， 步骤S2进一步包括 以下步骤： S21： 随机 选择至少一种场景模式； S22： 如果选择的场景模式包括电源故障模式， 则进一步随机选择至少一个发电单元并 设置其在各时间点ti′对应的有功 功率扰动量ΔPG(ti′)和无功功率扰动量ΔQG(ti′)， 以及， 如果选择的场景模式包括线路故障模式， 则进一步随机选择至少一条线路并设置其在 各时间点ti′的通断状态； S23： 基于所述ΔPG(ti′)、 ΔQG(ti′)以及通断状态变化确定时间序列{ ti′}对应的模拟采 样数据， 所述模拟采样数据包括节点、 线路、 发电单元及 负荷单元在各时间点ti′对应的有功 功率和无功 功率的模拟采样值； S24： 使用所述模拟采样数据对所述实际采样数据进行重构， 得到电力系统 的重构采样 数据。 5.根据权利要求3所述的一种训练数据集的构造方法， 其特征在于， 所述电源故障模式 具体为： 发生故障的发电单 元的有功 功率和无功 功率较其实际采样值减小。 6.根据权利要求3所述的一种训练数据集的构造方法， 其特征在于， 所述线路故障模式 具体为： 发生故障的线路的有功 功率和无功 功率降为0 。 7.根据权利要求3所述的一种训练数据集的构造方法， 其特 征在于： 所述模拟采样数据的计算满足节点功率平衡限制。 8.根据权利要求1所述的一种训练数据集的构造方法， 其特征在于， 步骤S3进一步包括 以下步骤： S31： 建立所述电力系统的有向有权图； S32： 基于所述重构采样数据获取时间序列 {ti}对应的电力系统的潮流数据； S33： 基于所述潮流数据和有向有权图计算各个节点在各时间点ti对应的重要度； S34： 基于所述潮流数据和有向有权图计算各 条线路在各时间点ti对应的重要度；权　利　要　求　书 1/2 页 2 CN 115186765 A 2S35： 生成所述训练数据集， 所述训练数据集包括各个节点和各条线路在各时间点ti对 应的重要度。 9.根据权利要求8所述的一种训练数据集的构造方法， 其特 征在于： 各个节点在各时间点ti对应的重要度基于 EB‑SALSA算法确定 。 10.根据权利要求8所述的一种训练数据集的构造方法， 其特 征在于： 各条线路在各时间点ti对应的重要度基于 EL‑SALSA算法确定 。权　利　要　求　书 2/2 页 3 CN 115186765 A 3