基于支持向量回歸的電力系統(tǒng)擾動后頻率動態(tài)預(yù)測方法
【專利摘要】本發(fā)明提供一種基于支持向量回歸的電力系統(tǒng)擾動后頻率動態(tài)預(yù)測方法，擾動后電力系統(tǒng)最低頻率的預(yù)測是電力系統(tǒng)頻率動態(tài)安全穩(wěn)定評估和制定自動切負荷等緊急控制措施的重要內(nèi)容，本發(fā)明的基于支持向量回歸的電力系統(tǒng)擾動后頻率動態(tài)預(yù)測方法考慮了發(fā)電機的最大出力限制、旋轉(zhuǎn)備用的水平及分配方式、原動機-調(diào)速器系統(tǒng)和負荷等對電力系統(tǒng)頻率動態(tài)的影響。通過與PSS/E仿真結(jié)果進行比較，使用ν-SVR方法可以快速準確預(yù)測擾動后電力系統(tǒng)頻率動態(tài)及最低頻率，具有良好的泛化能力和推廣性。進一步，可將使用ν-SVR方法所訓(xùn)練出的模型應(yīng)用于電力系統(tǒng)頻率的在線安全穩(wěn)定評估和根據(jù)評估情況制定相應(yīng)的緊急控制措施，防止系統(tǒng)頻率崩潰。
【專利說明】基于支持向量回歸的電力系統(tǒng)擾動后頻率動態(tài)預(yù)測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電力【技術(shù)領(lǐng)域】，具體涉及電力系統(tǒng)擾動后最低頻率預(yù)測方法。

【背景技術(shù)】
[0002] 頻率是電能質(zhì)量的三大指標之一，是反映電力系統(tǒng)安全穩(wěn)定運行和電能質(zhì)量的重 要指標，是電力系統(tǒng)運行重要的控制參數(shù)，頻率穩(wěn)定從根本上是由系統(tǒng)發(fā)電有功功率和負 荷有功功率之間的平衡關(guān)系所決定的。當系統(tǒng)出現(xiàn)有功缺額時，系統(tǒng)頻率將下降低于額定 值；反之，當系統(tǒng)的有功功率有盈余時，系統(tǒng)頻率將上升超過額定值。近年來，世界范圍內(nèi)一 系列電網(wǎng)事故的發(fā)生中都有頻率崩潰的因素，充分說明頻率崩潰的可能性仍然存在；同時 隨著大規(guī)模風(fēng)電接入電網(wǎng)，風(fēng)電的隨機性、間歇性和嚴重的爬坡事件使得系統(tǒng)頻率穩(wěn)定性 面臨更大的挑戰(zhàn)。低頻減載是國內(nèi)外廣泛采用的電力系統(tǒng)頻率穩(wěn)定的主要控制措施，但是 當系統(tǒng)中出現(xiàn)較大功率缺額時，系統(tǒng)頻率將急劇下降，低頻減載裝置可能來不及動作切除 相應(yīng)負荷以使系統(tǒng)頻率回升，導(dǎo)致系統(tǒng)頻率崩潰。因此，快速準確地預(yù)測擾動后系統(tǒng)的最低 頻率，對系統(tǒng)頻率穩(wěn)定性進行評估，進一步根據(jù)預(yù)測的最低頻率制定自動切負荷和低頻減 載策略等緊急控制措施，防止系統(tǒng)頻率崩潰，具有十分重要的意義。
[0003] 由于電力系統(tǒng)呈高維非線性的特點，系統(tǒng)的狀態(tài)空間由一組微分代數(shù)方程組來描 述，故其動態(tài)行為只能通過數(shù)值方法來求解計算，計算量比較大，故在線預(yù)測擾動后系統(tǒng)的 最低頻率相對困難。為了減小計算量，提高運算速度，有關(guān)專家對系統(tǒng)模型進行簡化，分別 提出了系統(tǒng)頻率響應(yīng)模型（SystemFrequencyResponseModel，SFR)和平均系統(tǒng)頻率模型 (AverageSystemFrequencyModel,ASF)，其均是對系統(tǒng)進行單機帶集中負荷等值處理，模 型結(jié)構(gòu)簡單，但無法考慮系統(tǒng)的網(wǎng)絡(luò)及和復(fù)雜負荷模型的影響，對大擾動分析精度較低。文 獻"李常剛，劉玉田，張恒旭等.基于直流潮流的電力系統(tǒng)頻率響應(yīng)分析方法[J].中國電機 工程學(xué)報，2009, 29 (34) :36-41"對發(fā)電機組模型進行適當?shù)暮喕?，利用直流潮流對網(wǎng)絡(luò)進 行簡化模擬，大大降低了計算量，提高了計算速度且具有較高的精度，但由于直流潮流法自 身的特性，其無法考慮負荷的影響。
[0004] 近年來在文獻"LarssonM.Anadaptivepredictiveapproachtoemergency frequencycontrolinelectricpowersystems[C]//Proceedingsofthe44thIEEE ConferenceonDecisionandControlandtheEuropeanControlConference2005, Seville,Spain, 2005 :4434-4439"的基礎(chǔ)上，相關(guān)學(xué)者進一步對利用廣域量測系統(tǒng)對擾動 后系統(tǒng)穩(wěn)態(tài)頻率的預(yù)測研究不斷的深入和改進，進行了大量的工作，擾動后穩(wěn)態(tài)頻率預(yù)測 技術(shù)相對比較成熟，但是對系統(tǒng)擾動后的頻率動態(tài)尤其是頻率最低值的在線預(yù)測的工作則 相對較少° 文獻"RudezUjMihalicR.Forecastofthesystemfrequencyresponsefor underfrequencyloadshedding[C]//20IIIEEEPowerTech,Trondheim,Norway,IEEE, 2011 :l-6"通過擬合實測頻率數(shù)據(jù)擬合其二階導(dǎo)數(shù)曲線預(yù)測系統(tǒng)最低頻率，但其計算精度 較低，僅在頻率臨近最低值時才能取得較高的精度。


【發(fā)明內(nèi)容】

[0005] 為解決現(xiàn)有技術(shù)存在的上述問題，本發(fā)明提出一種基于支持向量回歸的電力系統(tǒng) 擾動后頻率動態(tài)預(yù)測方法。
[0006] 本發(fā)明具體的技術(shù)方案為：一種基于支持向量回歸的電力系統(tǒng)擾動后頻率動態(tài)預(yù) 測方法，包括：V-SVR模型的離線訓(xùn)練和擾動后最低頻率的在線預(yù)測，所述V-SVR模型的 離線訓(xùn)練通過離線仿真樣本訓(xùn)練得到，為擾動后最低頻率的在線預(yù)測提供模型；
[0007] 所述V-SVR模型的離線訓(xùn)練包括以下步驟：
[0008] 步驟Sll:對系統(tǒng)事先設(shè)定的故障進行暫態(tài)時域仿真分析；
[0009] 步驟S12:得到分析樣本并提取特征變量，形成樣本數(shù)據(jù)；
[0010] 步驟S13 :對樣本數(shù)據(jù)進行歸一化預(yù)處理；
[0011] 步驟S14 :將處理后的樣本數(shù)據(jù)分為訓(xùn)練樣本數(shù)據(jù)和測試樣本數(shù)據(jù)；
[0012] 步驟S15:對訓(xùn)練樣本數(shù)據(jù)進行訓(xùn)練；
[0013] 步驟S16:搜索V-SVR模型參數(shù)，建立支持向量回歸機模型；
[0014] 所述擾動后最低頻率的在線預(yù)測包括以下步驟：
[0015] 步驟S21:在線獲取擾動后最低頻率預(yù)測所需數(shù)據(jù)；所述數(shù)據(jù)為廣域量測系統(tǒng)提 供；
[0016] 步驟S22:對數(shù)據(jù)進行預(yù)處理；
[0017] 步驟S23:生成特征量；
[0018] 步驟S24:將特征量輸入所訓(xùn)練好的V-SVR模型；
[0019] 步驟S25:對擾動后電力系統(tǒng)最低頻率進行在線預(yù)測，并輸出預(yù)測結(jié)果。
[0020] 本發(fā)明的有益效果：本發(fā)明的預(yù)測方法可以快速準確的對系統(tǒng)頻率動態(tài)及最低頻 率進行預(yù)測，且具有良好的泛化性和推廣性。與傳統(tǒng)的電力系統(tǒng)動態(tài)頻率響應(yīng)計算方法相 t匕，該方法能夠考慮發(fā)電機的最大出力限制、旋轉(zhuǎn)備用的水平及分配方式、原動機-調(diào)速器 系統(tǒng)和負荷等對電力系統(tǒng)頻率動態(tài)的影響；同時，支持向量機具有良好的學(xué)習(xí)性能和泛化 能力，不受維數(shù)、樣本容量和非線性的限制。使用訓(xùn)練好的v-SVR模型對擾動后電力系統(tǒng) 最低頻率進行預(yù)測，大大降低了計算量、提高了計算速度和精度，對系統(tǒng)適應(yīng)能力強?？蓪?該方法應(yīng)用于頻率安全穩(wěn)定的在線評估，并根據(jù)評估結(jié)果，并根據(jù)評估結(jié)果制定相應(yīng)的電 力系統(tǒng)頻率穩(wěn)定緊急控制策略，防止系統(tǒng)發(fā)生頻率崩潰事件。

【專利附圖】

【附圖說明】
[0021 ] 圖1為實際系統(tǒng)頻率動態(tài)不意圖。
[0022] 圖2為系統(tǒng)頻率預(yù)測模型實現(xiàn)框圖。
[0023] 圖3為本實施例一提供的測試樣本絕對誤差。
[0024] 圖4為本實施例一提供的測試樣本均方根誤差。
[0025] 圖5為本實施例一提供的負荷水平60%，切除9號發(fā)電機時，系統(tǒng)頻率曲線。
[0026] 圖6為本實施例二提供的測試樣本絕對誤差。
[0027] 圖7為本實施例二提供的測試樣本均方根誤差。
[0028]圖8為本實施例二提供的某運行方式下切除5號發(fā)電機時，系統(tǒng)頻率曲線。 具體實施例
[0029] 本發(fā)明提出的基于v-SVR的快速預(yù)測擾動后系統(tǒng)最低頻率的方法，考慮了發(fā)電 機最大出力限制、旋轉(zhuǎn)備用水平及分配方式、原動機-調(diào)速器系統(tǒng)和負荷等對電力系統(tǒng)頻 率動態(tài)的影響，同時利用支持向量機方法計算量小、評估速度快、自學(xué)習(xí)能力強和對系統(tǒng)適 應(yīng)能力強等優(yōu)點，可以較好的解決以往多種學(xué)習(xí)方法的過學(xué)習(xí)、非線性和局部極小等難以 解決的問題；并且利用廣域量測系統(tǒng)提供的相關(guān)數(shù)據(jù)，可將本發(fā)明所提方法應(yīng)用于擾動后 系統(tǒng)最低頻率的在線預(yù)測。
[0030] 為了使本發(fā)明的技術(shù)方案更加清楚，首先解釋本發(fā)明提供的基于支持向量回 歸的電力系統(tǒng)擾動后頻率動態(tài)預(yù)測方法，所用到的支持向量機的原理，所述支持向量機 (SupportVectorMachine,SVM)是Vapnik提出的一種監(jiān)督機器學(xué)習(xí)方法，被認為是最有 效的機器學(xué)習(xí)方法之一?；貧w分析是依據(jù)有限的觀測數(shù)據(jù)來尋求蘊含的回歸函數(shù)。與分類 問題輸出為離散值相比，回歸問題輸出為連續(xù)值。支持向量機理論雖然是針對分類問題提 出的，但后來應(yīng)用于回歸問題上，發(fā)現(xiàn)具有良好的效果。因此，在本發(fā)明中具體選擇使用支 持向量回歸（SupportVectorRegression,SVR)對擾動后系統(tǒng)的最低頻率進行預(yù)測。
[0031 ] 給定一組訓(xùn)練數(shù)據(jù)（Xl，yi)，. . .，（Xl，yi)，假設(shè)其服從某種概率分布P(X，y)(XeRn，yeR)，那么支持向量回歸問題就是找到適當?shù)膶嵵岛瘮?shù)./(Λ-)=?Μ·?/φΓ,_)+Λ來擬合這 些訓(xùn)練數(shù)據(jù)點，使得：
[0032] R[f] = /c(x,y,f)dP(x,y) 〇
[0033] 最小，其中，c為損失函數(shù)，可以視為現(xiàn)有技術(shù)，不再詳細說明。
[0034]由于P(X，y)未知，不能直接最小化R[f]，因此考慮最小化：
[0035] ￡(ω) =i(o-o)+C-yEh-/(A'-)L (2)
[0036] 其中，Iyi-f(Xi)Iε =max{0，Iyi-f(Xi)I-ε}為ε-不敏感損失函數(shù)。
[0037] 利用結(jié)構(gòu)風(fēng)險最小化，將上述最小化問題等價轉(zhuǎn)化為最優(yōu)化問題，即

【權(quán)利要求】
1. 基于支持向量回歸的電力系統(tǒng)擾動后頻率動態(tài)預(yù)測方法，其特征在于，包括： V -SVR模型的離線訓(xùn)練和擾動后最低頻率的在線預(yù)測，所述V -SVR模型的離線訓(xùn)練通過 離線仿真樣本訓(xùn)練得到，為擾動后最低頻率的在線預(yù)測提供模型； 所述v-SVR模型的離線訓(xùn)練包括以下步驟： 步驟Sll :對系統(tǒng)事先設(shè)定的故障進行暫態(tài)時域仿真分析； 步驟S12 :得到分析樣本并提取特征變量，形成樣本數(shù)據(jù)； 步驟S13 :對樣本數(shù)據(jù)進行歸一化預(yù)處理； 步驟S14 :將處理后的樣本數(shù)據(jù)分為訓(xùn)練樣本數(shù)據(jù)和測試樣本數(shù)據(jù)； 步驟S15 :對訓(xùn)練樣本數(shù)據(jù)進行訓(xùn)練； 步驟S16 :搜索V -SVR模型參數(shù)，建立支持向量回歸機模型； 所述擾動后最低頻率的在線預(yù)測包括以下步驟： 步驟S21 :在線獲取擾動后最低頻率預(yù)測所需數(shù)據(jù)；所述數(shù)據(jù)為廣域量測系統(tǒng)提供； 步驟S22 :對數(shù)據(jù)進行預(yù)處理； 步驟S23:生成特征量； 步驟S24 :將特征量輸入所訓(xùn)練好的V -SVR模型； 步驟S25 :對擾動后電力系統(tǒng)最低頻率進行在線預(yù)測，并輸出預(yù)測結(jié)果。
2. 根據(jù)權(quán)利要求1基于支持向量回歸的電力系統(tǒng)擾動后頻率動態(tài)預(yù)測方法，其特征在 于，包括計算系統(tǒng)慣性中心頻率，公式如下：
其中，cosys為系統(tǒng)慣性中心頻率，氏、％分別為第i臺發(fā)電機的慣性時間常數(shù)和角頻 率，n為系統(tǒng)中并網(wǎng)發(fā)電機的數(shù)量。
3. 根據(jù)權(quán)利要求2基于支持向量回歸的電力系統(tǒng)擾動后頻率動態(tài)預(yù)測方法，其特征在 于，包括選取基于v-SVR模型的特征變量，所述特征變量為：擾動后瞬間各發(fā)電機的有功 出力Pei、各發(fā)電機的旋轉(zhuǎn)備用容量L、功率缺額A P、和各發(fā)電機響應(yīng)對系統(tǒng)慣性中心的影 響fi。
4. 根據(jù)權(quán)利要求3基于支持向量回歸的電力系統(tǒng)擾動后頻率動態(tài)預(yù)測方法，其特征在 于，所述特征變量各發(fā)電機的旋轉(zhuǎn)備用容量Ph的計算公式為： Pri = Pmax「PGi，i = 1，2,…，n ; 其中，Pmaxi表示表示第i臺發(fā)電機的最大有功出力，i表示第i臺發(fā)電機。
5. 根據(jù)權(quán)利要求3基于支持向量回歸的電力系統(tǒng)擾動后頻率動態(tài)預(yù)測方法，其特征在 于，所述特征變量各發(fā)電機響應(yīng)對系統(tǒng)慣性中心的影響fi的計算公式為：
其中，M〇_)表示擾動后各發(fā)電機的機械功率初值，Pei(O+)表示擾動前瞬間各發(fā)電機 的電磁功率，Hi表示第i臺發(fā)電機的慣性時間常數(shù)。
6.根據(jù)權(quán)利要求1至5所述的基于支持向量回歸的電力系統(tǒng)擾動后頻率動態(tài)預(yù)測方 法，其特征在于，步驟S16具體采用基于粒子遷徙和變異的粒子群優(yōu)化（MVPSO)算法搜索 V -SVR模型參數(shù)，建立支持向量回歸機模型。
【文檔編號】H02J3/02GK104333005SQ201410407301
【公開日】2015年2月4日 申請日期:2014年8月18日 優(yōu)先權(quán)日:2014年8月18日
【發(fā)明者】王曉茹, 薄其濱, 劉克天 申請人:西南交通大學(xué)