基于交叉熵卷积神经网络的电力系统风险评估方法及系统

本发明公开了基于交叉熵卷积神经网络的电力系统风险评估方法及系统，包括：使用强迫停运率vk对发电机组和输电线路状态进行抽样，将抽样得到元件状态与系统负荷水平结合以获得系统状态Si；根据当前系统状态Si，获得可能的负荷削减量LCi；计算风险指标函数和似然比，更新修正强迫停运率vk+1，得到交叉熵迭代中故障样本，k为迭代次数；对于当前系统状态Si和可能的负荷削减量LCi，使用运行参数矩阵构建神经网络训练数据的输入和相应的标签。通过引入基于交叉熵技术的数据构建算法，自动识别并优先处理对风险指数至关重要的系统状态，提高了训练数据集中有效样本的比例，从而显著提升了模型的训练质量和预测精度。