本發(fā)明涉及電網(wǎng)態(tài)勢感知領(lǐng)域，具體涉及一種基于機(jī)器學(xué)習(xí)的電網(wǎng)全局延時(shí)態(tài)勢感知方法。
背景技術(shù)：
態(tài)勢感知是指在大規(guī)模系統(tǒng)環(huán)境中，對能夠引起系統(tǒng)態(tài)勢發(fā)生變化的安全要素進(jìn)行獲取、理解、顯示以及預(yù)測未來的發(fā)展趨勢，多用于計(jì)算機(jī)網(wǎng)絡(luò)、交通網(wǎng)絡(luò)、電網(wǎng)等復(fù)雜系統(tǒng)。電網(wǎng)態(tài)勢感知通過對廣域時(shí)空范圍內(nèi)電力系統(tǒng)中的各種因素進(jìn)行采集和分析，從而達(dá)到準(zhǔn)確地掌握電網(wǎng)的安全態(tài)勢的目的。
對于現(xiàn)代化電力系統(tǒng)，具有遠(yuǎn)距離、大容量、大區(qū)域互聯(lián)、特高壓直交流互聯(lián)的特點(diǎn)。調(diào)度人員如何在極端災(zāi)害環(huán)境下，前瞻性地感知電網(wǎng)在時(shí)間、空間、環(huán)境安全等方面的綜合態(tài)勢，是智能調(diào)度中急需解決的關(guān)鍵問題。由于電網(wǎng)態(tài)勢的復(fù)雜性，目前電網(wǎng)安全風(fēng)險(xiǎn)評估主要是基于風(fēng)險(xiǎn)評估模型和風(fēng)險(xiǎn)指標(biāo)分析，屬于被動(dòng)感知，不能從整體時(shí)空綜合理解電網(wǎng)安全態(tài)勢，對調(diào)度人員輔助決策支持不夠；并且由于實(shí)時(shí)、在線、離線數(shù)據(jù)信息處理的時(shí)效性和分離性，調(diào)度人員只能獲得局部信息和數(shù)據(jù)，不能實(shí)時(shí)全面感知電力系統(tǒng)安全風(fēng)險(xiǎn)態(tài)勢。
電網(wǎng)可以算是當(dāng)今最復(fù)雜的人工系統(tǒng)，目前還不能完全理解和掌握電力系統(tǒng)的運(yùn)行規(guī)律。傳統(tǒng)的仿真建模分析對電力系統(tǒng)進(jìn)行了大量的假設(shè)和簡化，使得仿真出的結(jié)果與真實(shí)系統(tǒng)存在偏差。隨著分布式計(jì)算和機(jī)器學(xué)習(xí)的發(fā)展，大數(shù)據(jù)分析成為理解復(fù)雜系統(tǒng)的重要手段。大數(shù)據(jù)分析把真實(shí)系統(tǒng)當(dāng)成黑箱，直接對輸入輸出進(jìn)行擬合和關(guān)聯(lián)分析。傳統(tǒng)的仿真分析需要求解大量的微分方程，與此相比，基于數(shù)據(jù)的機(jī)器學(xué)習(xí)方法具有速度更快、準(zhǔn)確度更高的特點(diǎn)。
在以往電網(wǎng)態(tài)勢感知的研究中，通過獲取電網(wǎng)的氣象環(huán)境監(jiān)測數(shù)據(jù)、實(shí)時(shí)電網(wǎng)運(yùn)行態(tài)勢數(shù)據(jù)、實(shí)時(shí)電網(wǎng)設(shè)備狀態(tài)數(shù)據(jù)，然后對各類數(shù)據(jù)進(jìn)行指標(biāo)計(jì)算并且判斷所屬指標(biāo)是否超過于預(yù)先設(shè)定的安全閾值。最后再綜合多個(gè)指標(biāo)來判斷和預(yù)測電網(wǎng)的整體態(tài)勢。這種方法的缺點(diǎn)是在閾值的選擇和各種指標(biāo)的加權(quán)上具有人為性和主觀性。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明提供一種基于機(jī)器學(xué)習(xí)的電網(wǎng)全局延時(shí)態(tài)勢感知方法，其目的是利用機(jī)器學(xué)習(xí)算法對電網(wǎng)電壓穩(wěn)定性進(jìn)行預(yù)測，進(jìn)一步綜合多個(gè)節(jié)點(diǎn)給出電網(wǎng)態(tài)勢感知的評估結(jié)果，在訓(xùn)練每一個(gè)節(jié)點(diǎn)分類器的時(shí)候，將特征選取的時(shí)段和預(yù)測時(shí)間節(jié)點(diǎn)拉開，形成一種延時(shí)的預(yù)測方法，對復(fù)雜系統(tǒng)有著更好的還原效果。
本發(fā)明的目的是采用下述技術(shù)方案實(shí)現(xiàn)的：
一種基于機(jī)器學(xué)習(xí)的電網(wǎng)全局延時(shí)態(tài)勢感知方法，其改進(jìn)之處在于，包括：
利用采樣節(jié)點(diǎn)的測量值，建立樣本矩陣；
根據(jù)所述樣本矩陣中各樣本中的電壓值標(biāo)記各樣本的穩(wěn)定性標(biāo)記值；
壓縮所述樣本矩陣的維度，并利用壓縮維度后的樣本矩陣訓(xùn)練分類器；
利用所述分類器預(yù)測下一時(shí)刻的電網(wǎng)狀態(tài)穩(wěn)定概率。
優(yōu)選的，所述利用采樣節(jié)點(diǎn)的測量值，建立樣本矩陣，包括：
建立N×n的樣本矩陣，其中，N為樣本總數(shù)，n為樣本維度總數(shù)，所述樣本維度包括：采樣節(jié)點(diǎn)的電壓、采樣節(jié)點(diǎn)的有功功率、采樣節(jié)點(diǎn)的無功功率和采樣節(jié)點(diǎn)的電流。
進(jìn)一步的，所述根據(jù)所述樣本矩陣中各樣本中的電壓值標(biāo)記各樣本的穩(wěn)定性標(biāo)記值，包括：
若樣本中的電壓值等于標(biāo)準(zhǔn)電壓值的0.8倍，則該樣本的穩(wěn)定性標(biāo)記值為0；
若樣本中的電壓值不等于標(biāo)準(zhǔn)電壓值的0.8倍，則該樣本的穩(wěn)定性標(biāo)記值為1。
進(jìn)一步的，所述壓縮所述樣本矩陣的維度，并利用壓縮維度后的樣本矩陣訓(xùn)練分類器，包括：
采用主成分分析算法將N×n的樣本矩陣X壓縮為N×m的降維矩陣P，其中，N為樣本總數(shù)，n為樣本維度總數(shù)，m為壓縮維度且m≤n；
根據(jù)所述降維矩陣P建立Logistic回歸分類器。
進(jìn)一步的，所述采用主成分分析算法將N×n的樣本矩陣X壓縮為N×m的降維矩陣P，包括：
按下式將樣本矩陣X中的第i列向量xi歸一化處理：
上式中，xi(t)′為樣本矩陣X中的第i列向量t時(shí)刻測量值的歸一化值，xi(t)為樣本矩陣X中的第i列向量t時(shí)刻測量值，μ(xi)為樣本矩陣X中的第i列向量的均值，δ(xi)為樣本矩陣X中的第i列向量的標(biāo)準(zhǔn)差，t為采樣時(shí)刻，i∈[1,n]；
利用xi(t)′建立歸一化樣本矩陣X′；
獲取歸一化樣本矩陣X′的協(xié)方差矩陣X′X′T的特征值和特征向量，選擇前m大的特征值對應(yīng)的特征向量α1,α2,…αm，則N×m的降維矩陣P＝[α1,α2,…αm]TX′。
進(jìn)一步的，所述根據(jù)所述降維矩陣P建立Logistic回歸分類器，包括：
降維矩陣P中每個(gè)采樣時(shí)刻對應(yīng)一個(gè)m維的壓縮向量，將P中第i個(gè)行向量記為pi，i∈[1,N]；
將pi的電網(wǎng)狀態(tài)記為yi，其中，yi等于樣本矩陣中第i行樣本的穩(wěn)定性標(biāo)記值；
按下式建立Logistic目標(biāo)函數(shù)：
上式中，J(θ)為Logistic目標(biāo)函數(shù)值，θ為降維矩陣P中各列壓縮向量的權(quán)重值，xi為降維矩陣P中第i列元素，i∈[1,m]；
獲取使所述Logistic目標(biāo)函數(shù)函數(shù)值J(θ)最小的解θ′。
優(yōu)選的，所述利用所述分類器預(yù)測下一時(shí)刻的電網(wǎng)狀態(tài)穩(wěn)定概率，包括：
按下式預(yù)測下一時(shí)刻的電網(wǎng)狀態(tài)穩(wěn)定概率Ps：
上式中，xi為降維矩陣P中第i列元素，i∈[1,m]，m為降維矩陣P的列數(shù)，θ′為使Logistic目標(biāo)函數(shù)的函數(shù)值最小的解。
本發(fā)明的有益效果：
本發(fā)明提供的技術(shù)方案，提出利用機(jī)器學(xué)習(xí)方法對電網(wǎng)電壓穩(wěn)定性進(jìn)行預(yù)測，進(jìn)一步綜合多個(gè)節(jié)點(diǎn)給出電網(wǎng)態(tài)勢感知的評估結(jié)果，在訓(xùn)練每一個(gè)節(jié)點(diǎn)分類器的時(shí)候，本發(fā)明將所有節(jié)點(diǎn)的電壓、電流、有功、無功作為特征，充分反映了各個(gè)節(jié)點(diǎn)的關(guān)聯(lián)性，同時(shí)把特征選取的時(shí)段和預(yù)測時(shí)間節(jié)點(diǎn)拉開，形成一種延時(shí)的預(yù)測方法，給各種補(bǔ)償和故障切除措施留出時(shí)間。以往的基于安全指標(biāo)的態(tài)勢感知方法具有一定的主觀性。本發(fā)明基于數(shù)據(jù)的方法，對系統(tǒng)進(jìn)行黑箱建模，對復(fù)雜系統(tǒng)有著更好的還原效果。
附圖說明
圖1是本發(fā)明一種基于機(jī)器學(xué)習(xí)的電網(wǎng)全局延時(shí)態(tài)勢感知方法的流程圖。
具體實(shí)施方式
下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式作詳細(xì)說明。
為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
本發(fā)明提供的一種基于機(jī)器學(xué)習(xí)的電網(wǎng)全局延時(shí)態(tài)勢感知方法，如圖1所示，包括：
101.利用采樣節(jié)點(diǎn)的測量值，建立樣本矩陣；
其中，可以通過部署在關(guān)鍵測點(diǎn)的同步相角測量單元PMU采樣節(jié)點(diǎn)的測量值；
102.根據(jù)所述樣本矩陣中各樣本中的電壓值標(biāo)記各樣本的穩(wěn)定性標(biāo)記值；
103.壓縮所述樣本矩陣的維度，并利用壓縮維度后的樣本矩陣訓(xùn)練分類器；
104.利用所述分類器預(yù)測下一時(shí)刻的電網(wǎng)狀態(tài)穩(wěn)定概率。
具體的，所述步驟101，包括：
建立N×n的樣本矩陣，其中，N為樣本總數(shù)，n為樣本維度總數(shù)，所述樣本維度包括：采樣節(jié)點(diǎn)的電壓、采樣節(jié)點(diǎn)的有功功率、采樣節(jié)點(diǎn)的無功功率和采樣節(jié)點(diǎn)的電流。
所述步驟102，包括：
若樣本中的電壓值等于標(biāo)準(zhǔn)電壓值的0.8倍，則該樣本的穩(wěn)定性標(biāo)記值為0；
若樣本中的電壓值不等于標(biāo)準(zhǔn)電壓值的0.8倍，則該樣本的穩(wěn)定性標(biāo)記值為1。
所述步驟103，包括：
采用主成分分析算法將N×n的樣本矩陣X壓縮為N×m的降維矩陣P，其中，N為樣本總數(shù)，n為樣本維度總數(shù)，m為壓縮維度且m≤n；
根據(jù)所述降維矩陣P建立Logistic回歸分類器。
進(jìn)一步的，所述采用主成分分析算法將N×n的樣本矩陣X壓縮為N×m的降維矩陣P，包括：
按下式將樣本矩陣X中的第i列向量xi歸一化處理：
上式中，xi(t)′為樣本矩陣X中的第i列向量t時(shí)刻測量值的歸一化值，xi(t)為樣本矩陣X中的第i列向量t時(shí)刻測量值，μ(xi)為樣本矩陣X中的第i列向量的均值，δ(xi)為樣本矩陣X中的第i列向量的標(biāo)準(zhǔn)差，t為采樣時(shí)刻，i∈[1,n]；
利用xi(t)′建立歸一化樣本矩陣X′；
獲取歸一化樣本矩陣X′的協(xié)方差矩陣X′X′T的特征值和特征向量，選擇前m大的特征值對應(yīng)的特征向量α1,α2,…αm，則N×m的降維矩陣P＝[α1,α2,…αm]TX′。
所述根據(jù)所述降維矩陣P建立Logistic回歸分類器，包括：
降維矩陣P中每個(gè)采樣時(shí)刻對應(yīng)一個(gè)m維的壓縮向量，將P中第i個(gè)行向量記為pi，i∈[1,N]；
將pi的電網(wǎng)狀態(tài)記為yi，其中，yi等于樣本矩陣中第i行樣本的穩(wěn)定性標(biāo)記值；
按下式建立Logistic目標(biāo)函數(shù)：
上式中，J(θ)為Logistic目標(biāo)函數(shù)值，θ為降維矩陣P中各列壓縮向量的權(quán)重值，xi為降維矩陣P中第i列元素，i∈[1,m]；
獲取使所述Logistic目標(biāo)函數(shù)函數(shù)值J(θ)最小的解θ′。
所述步驟104，包括：
按下式預(yù)測下一時(shí)刻的電網(wǎng)狀態(tài)穩(wěn)定概率Ps：
上式中，xi為降維矩陣P中第i列元素，i∈[1,m]，m為降維矩陣P的列數(shù)，θ′為使Logistic目標(biāo)函數(shù)的函數(shù)值最小的解。
最后應(yīng)當(dāng)說明的是：以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非對其限制，盡管參照上述實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，所屬領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：依然可以對本發(fā)明的具體實(shí)施方式進(jìn)行修改或者等同替換，而未脫離本發(fā)明精神和范圍的任何修改或者等同替換，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求保護(hù)范圍之內(nèi)。