摘要
本发明公开了一种基于深度学习的电力系统主导失稳模式识别方法，包括：读取电力系统各节点时间窗内电压、相角、有功和无功功率数据；借助节点相关性法计算电力系统的节点相关系数矩阵，利用spearman方法计算时间步相关系数矩阵；将节点相关系数矩阵引入图卷积神经网络模型，以及时间步相关系数矩阵融入双向门控循环单元模型，得到可深度挖掘时空信息的GCN‑BiGRU模型；利用多头注意力机制构建时空一体层，挖掘经GCN与Bi‑GRU处理后的关键空间与时序特征，通过降维、重塑和拼接相结合的方式融合时空信息；构建带权重的交叉熵函数作为训练中的损失函数，解决主导失稳模式样本各类别数量不均衡的问题；根据最终损失优化深度神经网络模型并进行主导失稳模式辨识。
