基于受擾電壓軌跡簇特征的電力系統(tǒng)暫態(tài)穩(wěn)定性預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電力系統(tǒng)穩(wěn)定判別，特別是涉及一種基于故障后WAMS受擾電壓軌跡 簇特征的電力系統(tǒng)暫態(tài)穩(wěn)定性預(yù)測(cè)方法。
【背景技術(shù)】
[0002] 隨著電網(wǎng)規(guī)模的不斷擴(kuò)大、交直流混聯(lián)等各種輸電方式的實(shí)施以及新能源技術(shù)的 應(yīng)用，電力系統(tǒng)的動(dòng)態(tài)特性變得更加復(fù)雜，發(fā)生事故的情形更加頻繁，對(duì)其進(jìn)行穩(wěn)定分析和 控制的難度也更大。如何在故障發(fā)生后更快速、可靠的識(shí)別系統(tǒng)的暫態(tài)穩(wěn)定性是目前電網(wǎng) 在線安全評(píng)估問(wèn)題的關(guān)鍵。WAMS(廣域監(jiān)測(cè)系統(tǒng)）系統(tǒng)在電力系統(tǒng)中的應(yīng)用為暫態(tài)穩(wěn)定分 析和控制創(chuàng)造了條件。
[0003] 基于WAMS信息的電力系統(tǒng)暫態(tài)穩(wěn)定性預(yù)測(cè)是目前的研宄熱點(diǎn)，與此項(xiàng)技術(shù)相關(guān) 的發(fā)明專利也較多。由于基于時(shí)域仿真法的軌跡預(yù)測(cè)計(jì)算速度慢以及對(duì)模型的依賴度高， 目前的方法主要集中于兩個(gè)方面：通過(guò)實(shí)時(shí)量測(cè)信息應(yīng)用能量函數(shù)法判斷系統(tǒng)穩(wěn)定性和應(yīng) 用人工智能算法進(jìn)行穩(wěn)定性預(yù)測(cè)。中國(guó)專利公開(kāi)號(hào)CN103473478是基于暫態(tài)能量函數(shù)法進(jìn) 行的暫態(tài)穩(wěn)定評(píng)估，提出了構(gòu)建基于二次擾動(dòng)的暫態(tài)穩(wěn)定性量化指標(biāo)模型，提高了計(jì)算速 度。但該方法仍需要獲得故障中的導(dǎo)納矩陣參數(shù)，對(duì)不同的拓?fù)浣Y(jié)構(gòu)的泛化能力不強(qiáng)。公 開(kāi)號(hào)CN103346558的專利采用基于WAMS量測(cè)信息的二維一階伴隨系統(tǒng)的最小投影動(dòng)能為 判據(jù)判斷系統(tǒng)的暫態(tài)穩(wěn)定性，該方法不受系統(tǒng)結(jié)構(gòu)、模型、參數(shù)的限制，計(jì)算量較小。但該方 法在計(jì)算過(guò)程中需要得到所有發(fā)電機(jī)的功角、轉(zhuǎn)子角速度等實(shí)測(cè)量，若WAMS信息發(fā)生缺失 或得到的發(fā)電機(jī)的實(shí)測(cè)特征量包含干擾信息，則實(shí)際應(yīng)用時(shí)會(huì)造成較大誤差。
[0004] 最新的研宄成果集中于應(yīng)用模式識(shí)別及人工智能方法對(duì)WAMS實(shí)測(cè)信息進(jìn)行數(shù)據(jù) 挖掘進(jìn)而判斷暫態(tài)穩(wěn)定性。公開(kāi)號(hào)CN102832617的專利提出了基于電網(wǎng)的動(dòng)態(tài)響應(yīng)數(shù)據(jù)， 利用DHMM方法進(jìn)行模式識(shí)別的穩(wěn)定性判別方法。該方法考慮了電氣特征量的動(dòng)態(tài)響應(yīng)特 性，并能對(duì)多維特征分析同時(shí)進(jìn)行模式識(shí)別，相較于ANN算法提高了計(jì)算速度與精度。但 該方法的缺陷在于仍需要較大數(shù)量的數(shù)據(jù)樣本，且該方法對(duì)于未知網(wǎng)絡(luò)拓?fù)浼肮收闲畔⒌?情形下的暫態(tài)穩(wěn)定性判斷的泛化能力為做評(píng)估，限制了該方法的工程實(shí)際應(yīng)用。公開(kāi)號(hào) CN102074955的專利構(gòu)造支持向量機(jī)分類器的預(yù)測(cè)模型進(jìn)行穩(wěn)定性評(píng)估，并應(yīng)用數(shù)據(jù)預(yù)處 理技術(shù)改善輸入數(shù)據(jù)樣本質(zhì)量，提高分類精度。支持向量機(jī)算法在電力系統(tǒng)暫態(tài)穩(wěn)定性評(píng) 估研宄領(lǐng)域被認(rèn)為有很好的效果，能夠處理高維數(shù)據(jù)并有很好的泛化能力。該發(fā)明是利用 K-L變換進(jìn)行的數(shù)據(jù)預(yù)處理，K-L變換雖然具有MSE意義下的最佳性能，但需要先知道信源 的協(xié)方差矩陣并求出特征值。求特征值與特征向量會(huì)比較復(fù)雜，維數(shù)較高時(shí)甚至無(wú)法求取， 同時(shí)很難滿足實(shí)時(shí)處理的要求。這些因素造成了K-L變換在工程實(shí)踐中不能廣泛使用。
[0005] 本發(fā)明在現(xiàn)有研宄基礎(chǔ)上，克服現(xiàn)有方法的不足，提出的一種基于受擾后機(jī)端電 壓軌跡簇的暫態(tài)穩(wěn)定預(yù)測(cè)方法，該方法能夠得到系統(tǒng)響應(yīng)的整體特征，對(duì)于不完全WAMS信 息仍能夠適用。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明要解決的技術(shù)問(wèn)題是提供一種基于故障后WAMS受擾電壓軌跡簇特征的電 力系統(tǒng)暫態(tài)穩(wěn)定性預(yù)測(cè)方法，以克服現(xiàn)有技術(shù)中存在的問(wèn)題。
[0007]為解決上述技術(shù)問(wèn)題，本發(fā)明采用下述技術(shù)方案：
[0008] 基于故障后WAMS受擾電壓軌跡簇特征，進(jìn)行電力系統(tǒng)暫態(tài)穩(wěn)定性的快速預(yù)測(cè)方 法。該法包括以下步驟：
[0009] S1、基于WAMS系統(tǒng)對(duì)電力系統(tǒng)采集得到的歷史數(shù)據(jù)信息進(jìn)行初步篩選，得到故障 后所有關(guān)鍵發(fā)電機(jī)節(jié)點(diǎn)電壓幅值的時(shí)域軌跡簇，并構(gòu)成原始數(shù)據(jù)集；
[0010] S2、對(duì)所述原始數(shù)據(jù)進(jìn)行軌跡簇中27個(gè)幾何特征的計(jì)算；
[0011] S3、利用Relief算法對(duì)步驟S2中所述的27個(gè)幾何特征量進(jìn)行權(quán)重Wi計(jì)算，并 選出與系統(tǒng)暫態(tài)穩(wěn)定性強(qiáng)相關(guān)的若干個(gè)廣域故障特征作為暫態(tài)穩(wěn)定預(yù)測(cè)算法的輸入數(shù)據(jù) 集；
[0012] S4、根據(jù)所述輸入數(shù)據(jù)集構(gòu)建支持向量機(jī)SVM預(yù)測(cè)分類器，并采取交叉驗(yàn)證的方 法得到最佳精度的預(yù)測(cè)模型；
[0013] S5,利用步驟S2和S3對(duì)WAMS系統(tǒng)采集得到的新電力系統(tǒng)數(shù)據(jù)信息進(jìn)行處理，構(gòu) 建預(yù)測(cè)數(shù)據(jù)集；
[0014] S6、利用步驟S4中構(gòu)建的預(yù)測(cè)模型對(duì)所述預(yù)測(cè)數(shù)據(jù)集進(jìn)行判斷，獲得暫態(tài)穩(wěn)定性 的預(yù)測(cè)結(jié)果。
[0015] 優(yōu)選的，所述步驟S1中，在某個(gè)故障情況下，得到故障清除后m個(gè)周波的所有n個(gè) 發(fā)電機(jī)節(jié)點(diǎn)電壓軌跡簇，記為軌跡簇矩陣：{XijLh。
[0016] 優(yōu)選的，所述步驟S4中構(gòu)建預(yù)測(cè)模型的數(shù)據(jù)包含N種不同的故障情形，則總共有 N個(gè)樣本，即N個(gè)軌跡簇矩陣。
[0017] 優(yōu)選的，在所述步驟S2中所述27個(gè)特征量包括
【主權(quán)項(xiàng)】
1. 基于受擾電壓軌跡簇特征的電力系統(tǒng)暫態(tài)穩(wěn)定性預(yù)測(cè)方法，其特征在于，所述方法 的步驟包括： 51、 基于WAMS系統(tǒng)對(duì)電力系統(tǒng)采集得到的歷史數(shù)據(jù)信息進(jìn)行初步篩選，得到故障后所 有關(guān)鍵發(fā)電機(jī)節(jié)點(diǎn)電壓幅值的時(shí)域軌跡簇，并構(gòu)成原始數(shù)據(jù)集； 52、 對(duì)所述原始數(shù)據(jù)進(jìn)行軌跡簇中27個(gè)幾何特征的計(jì)算； 53、 利用Relief算法對(duì)步驟S2中所述的27個(gè)幾何特征量進(jìn)行權(quán)重r計(jì)算，并選出與 系統(tǒng)暫態(tài)穩(wěn)定性強(qiáng)相關(guān)的若干個(gè)廣域故障特征作為暫態(tài)穩(wěn)定預(yù)測(cè)算法的輸入數(shù)據(jù)集； 54、 根據(jù)所述輸入數(shù)據(jù)集構(gòu)建支持向量機(jī)SVM預(yù)測(cè)模型，并采取交叉驗(yàn)證的方法得到 最佳精度的預(yù)測(cè)模型； 55、 利用步驟S2和S3對(duì)WAMS系統(tǒng)采集得到的新電力系統(tǒng)數(shù)據(jù)信息進(jìn)行處理，構(gòu)建預(yù) 測(cè)數(shù)據(jù)集； 56、 利用步驟S4中構(gòu)建的預(yù)測(cè)模型對(duì)所述預(yù)測(cè)數(shù)據(jù)集進(jìn)行判斷，獲得暫態(tài)穩(wěn)定性的預(yù) 測(cè)結(jié)果。
2. 根據(jù)權(quán)利要求1所述的預(yù)測(cè)方法，其特征在于：所述步驟S1中，在某個(gè)故障情況下， 得到故障清除后m個(gè)周波的所有n個(gè)發(fā)電機(jī)節(jié)點(diǎn)電壓軌跡簇，記為軌跡簇矩陣：{Xdmxn。
3. 根據(jù)權(quán)利要求1所述的預(yù)測(cè)方法，其特征在于：所述步驟S4中構(gòu)建預(yù)測(cè)模型的數(shù)據(jù) 包含N種不同的故障情形，則總共有N個(gè)樣本，即N個(gè)軌跡簇矩陣。
4. 根據(jù)權(quán)利要求1所述的預(yù)測(cè)方法，其特征在于：在所述步驟S2中所述27個(gè)特征量 包括 特征1 :瞬時(shí)軌跡質(zhì)心，
1q為一m行的列向量； 特征2 :軌跡簇?cái)嗝骐x散度，
特征 3 :上包絡(luò)線，uei={max(x) }，i= 1，2,? ? ?，m; 特征 4 :下包絡(luò)線，lei= {min(x〇}，i= 1，2,. . .，m; 特征 5 :瞬時(shí)軌跡中心，meF{(max(xD+minUi))/〗}，i= 1，2,? ? ?，m; 特征6 :上包絡(luò)線與質(zhì)心線之差，dcue^ {|ue「c」}，i= 1，2, ? ??，m; 特征7 :下包絡(luò)線與質(zhì)心線之差，此]^= {|le廠(^|}，i= 1，2,? ? ?，m; 特征 8 :包絡(luò)線高度，hei= {|max(xJ-minUi)|}，i= 1，2,? ? ?，m; 特征9 :軌跡質(zhì)心與中心之差，dcmF{|ci-nii|}，i= 1，2,? ? ?，m; 特征10 :質(zhì)心線瞬時(shí)變化率，
|i= 1，2,. . .，m-l，其中，h為采樣時(shí)間 間隔； 特征11 :離散度瞬時(shí)變化率，
，i= 1，2,. . .，m-1 ; 特征12 :上包絡(luò)線變化率，
，i= 1，2,. . .，m-1 ;
其中，軌跡曲線曲率的計(jì)算采用了三點(diǎn)二次插值算法；對(duì)N個(gè)電壓軌跡簇樣本計(jì)算特 征量后得到的數(shù)據(jù)集記為XNXM，N為樣本個(gè)數(shù)，M為特征量個(gè)數(shù)，此處M= 27。
5.根據(jù)權(quán)利要求1所述的預(yù)測(cè)方法，其特征在于：在所述步驟S3包括將求得的權(quán)重wi從大到小排序，將權(quán)值大于預(yù)先設(shè)定的閾值^的特征量組合構(gòu)成與穩(wěn)定結(jié)果強(qiáng)相關(guān)的特征 子集。
6. 根據(jù)權(quán)利要求1所述的預(yù)測(cè)方法，其特征在于，通過(guò)對(duì)不同負(fù)荷水平及位置拓?fù)浣Y(jié) 構(gòu)下的數(shù)據(jù)進(jìn)行預(yù)測(cè)判斷，優(yōu)化所述步驟S4中構(gòu)建的預(yù)測(cè)模型。
7. 根據(jù)權(quán)利要求6所述的預(yù)測(cè)方法，其特征在于：在所述步驟S4包括利用步驟S3獲 得的輸入數(shù)據(jù)集作為支持向量機(jī)SVM的輸入特征向量，并通過(guò)網(wǎng)格搜索算法在K折交叉驗(yàn) 證情形下進(jìn)行懲罰參數(shù)C和核函數(shù)參數(shù)g的尋找最優(yōu)參數(shù)。
8. 根據(jù)權(quán)利要求6所述的預(yù)測(cè)方法，其特征在于：在所述步驟S5包括將所述預(yù)測(cè)數(shù)據(jù) 集作為在線預(yù)測(cè)數(shù)據(jù)集，并利用優(yōu)化后的預(yù)測(cè)模型進(jìn)行預(yù)測(cè)，得到系統(tǒng)暫態(tài)穩(wěn)定的在線預(yù) 測(cè)結(jié)果。
【專利摘要】本發(fā)明公開(kāi)了一種基于WAMS受擾電壓軌跡簇特征的電力系統(tǒng)暫態(tài)穩(wěn)定性預(yù)測(cè)方法，該方法對(duì)電力系統(tǒng)中WAMS系統(tǒng)所采集到的歷史信息進(jìn)行初步篩選，得到故障后所有關(guān)鍵發(fā)電機(jī)節(jié)點(diǎn)電壓幅值的時(shí)域軌跡簇構(gòu)成原始數(shù)據(jù)集；對(duì)原始數(shù)據(jù)計(jì)算軌跡簇的27個(gè)幾何特征；利用Relief算法對(duì)所有特征量進(jìn)行權(quán)重計(jì)算，選出與系統(tǒng)暫態(tài)穩(wěn)定性強(qiáng)相關(guān)的若干個(gè)廣域故障特征，并作為暫態(tài)穩(wěn)定預(yù)測(cè)算法的輸入數(shù)據(jù)集；基于輸入數(shù)據(jù)集構(gòu)造SVM預(yù)測(cè)模型。本發(fā)明不建立電力系統(tǒng)的分析模型，而是根據(jù)WAMS系統(tǒng)得到的電力系統(tǒng)的響應(yīng)信息，直接預(yù)測(cè)電力系統(tǒng)的暫態(tài)穩(wěn)定性；本發(fā)明不但能夠快速預(yù)測(cè)系統(tǒng)穩(wěn)定性，具有極強(qiáng)的適應(yīng)性和魯棒性。
【IPC分類】H02J3-00
【公開(kāi)號(hào)】CN104578053
【申請(qǐng)?zhí)枴緾N201510013138
【發(fā)明人】吳俊勇, 冀魯豫, 郝亮亮, 周艷真, 于之虹, 嚴(yán)劍峰, 華科
【申請(qǐng)人】北京交通大學(xué)
【公開(kāi)日】2015年4月29日
【申請(qǐng)日】2015年1月9日