基于受扰电压轨迹簇特征的电力系统暂态稳定性预测方法
【技术领域】
[0001] 本发明涉及电力系统稳定判别，特别是涉及一种基于故障后wams受扰电压轨迹 簇特征的电力系统暂态稳定性预测方法。
【背景技术】
[0002] 随着电网规模的不断扩大、交直流混联等各种输电方式的实施以及新能源技术的 应用，电力系统的动态特性变得更加复杂，发生事故的情形更加频繁，对其进行稳定分析和 控制的难度也更大。如何在故障发生后更快速、可靠的识别系统的暂态稳定性是目前电网 在线安全评估问题的关键。wams(广域监测系统）系统在电力系统中的应用为暂态稳定分 析和控制创造了条件。
[0003] 基于wams信息的电力系统暂态稳定性预测是目前的研宄热点，与此项技术相关 的发明专利也较多。由于基于时域仿真法的轨迹预测计算速度慢以及对模型的依赖度高， 目前的方法主要集中于两个方面：通过实时量测信息应用能量函数法判断系统稳定性和应 用人工智能算法进行稳定性预测。中国专利公开号cn103473478是基于暂态能量函数法进 行的暂态稳定评估，提出了构建基于二次扰动的暂态稳定性量化指标模型，提高了计算速 度。但该方法仍需要获得故障中的导纳矩阵参数，对不同的拓扑结构的泛化能力不强。公 开号cn103346558的专利采用基于wams量测信息的二维一阶伴随系统的最小投影动能为 判据判断系统的暂态稳定性，该方法不受系统结构、模型、参数的限制，计算量较小。但该方 法在计算过程中需要得到所有发电机的功角、转子角速度等实测量，若wams信息发生缺失 或得到的发电机的实测特征量包含干扰信息，则实际应用时会造成较大误差。
[0004] 最新的研宄成果集中于应用模式识别及人工智能方法对wams实测信息进行数据 挖掘进而判断暂态稳定性。公开号cn102832617的专利提出了基于电网的动态响应数据， 利用dhmm方法进行模式识别的稳定性判别方法。该方法考虑了电气特征量的动态响应特 性，并能对多维特征分析同时进行模式识别，相较于ann算法提高了计算速度与精度。但 该方法的缺陷在于仍需要较大数量的数据样本，且该方法对于未知网络拓扑及故障信息的 情形下的暂态稳定性判断的泛化能力为做评估，限制了该方法的工程实际应用。公开号 cn102074955的专利构造支持向量机分类器的预测模型进行稳定性评估，并应用数据预处 理技术改善输入数据样本质量，提高分类精度。支持向量机算法在电力系统暂态稳定性评 估研宄领域被认为有很好的效果，能够处理高维数据并有很好的泛化能力。该发明是利用 k-l变换进行的数据预处理，k-l变换虽然具有mse意义下的最佳性能，但需要先知道信源 的协方差矩阵并求出特征值。求特征值与特征向量会比较复杂，维数较高时甚至无法求取， 同时很难满足实时处理的要求。这些因素造成了k-l变换在工程实践中不能广泛使用。
[0005] 本发明在现有研宄基础上，克服现有方法的不足，提出的一种基于受扰后机端电 压轨迹簇的暂态稳定预测方法，该方法能够得到系统响应的整体特征，对于不完全wams信 息仍能够适用。
【发明内容】
[0006] 本发明要解决的技术问题是提供一种基于故障后wams受扰电压轨迹簇特征的电 力系统暂态稳定性预测方法，以克服现有技术中存在的问题。
[0007]为解决上述技术问题，本发明采用下述技术方案：
[0008] 基于故障后wams受扰电压轨迹簇特征，进行电力系统暂态稳定性的快速预测方 法。该法包括以下步骤：
[0009] s1、基于wams系统对电力系统采集得到的历史数据信息进行初步筛选，得到故障 后所有关键发电机节点电压幅值的时域轨迹簇，并构成原始数据集；
[0010] s2、对所述原始数据进行轨迹簇中27个几何特征的计算；
[0011] s3、利用relief算法对步骤s2中所述的27个几何特征量进行权重wi计算，并 选出与系统暂态稳定性强相关的若干个广域故障特征作为暂态稳定预测算法的输入数据 集；
[0012] s4、根据所述输入数据集构建支持向量机svm预测分类器，并采取交叉验证的方 法得到最佳精度的预测模型；
[0013] s5,利用步骤s2和s3对wams系统采集得到的新电力系统数据信息进行处理，构 建预测数据集；
[0014] s6、利用步骤s4中构建的预测模型对所述预测数据集进行判断，获得暂态稳定性 的预测结果。
[0015] 优选的，所述步骤s1中，在某个故障情况下，得到故障清除后m个周波的所有n个 发电机节点电压轨迹簇，记为轨迹簇矩阵：{xijlh。
[0016] 优选的，所述步骤s4中构建预测模型的数据包含n种不同的故障情形，则总共有 n个样本，即n个轨迹簇矩阵。
[0017] 优选的，在所述步骤s2中所述27个特征量包括
【主权项】
1. 基于受扰电压轨迹簇特征的电力系统暂态稳定性预测方法，其特征在于，所述方法 的步骤包括： 51、 基于wams系统对电力系统采集得到的历史数据信息进行初步筛选，得到故障后所 有关键发电机节点电压幅值的时域轨迹簇，并构成原始数据集； 52、 对所述原始数据进行轨迹簇中27个几何特征的计算； 53、 利用relief算法对步骤s2中所述的27个几何特征量进行权重r计算，并选出与 系统暂态稳定性强相关的若干个广域故障特征作为暂态稳定预测算法的输入数据集； 54、 根据所述输入数据集构建支持向量机svm预测模型，并采取交叉验证的方法得到 最佳精度的预测模型； 55、 利用步骤s2和s3对wams系统采集得到的新电力系统数据信息进行处理，构建预 测数据集； 56、 利用步骤s4中构建的预测模型对所述预测数据集进行判断，获得暂态稳定性的预 测结果。
2. 根据权利要求1所述的预测方法，其特征在于：所述步骤s1中，在某个故障情况下， 得到故障清除后m个周波的所有n个发电机节点电压轨迹簇，记为轨迹簇矩阵：{xdmxn。
3. 根据权利要求1所述的预测方法，其特征在于：所述步骤s4中构建预测模型的数据 包含n种不同的故障情形，则总共有n个样本，即n个轨迹簇矩阵。
4. 根据权利要求1所述的预测方法，其特征在于：在所述步骤s2中所述27个特征量 包括 特征1 :瞬时轨迹质心，
1q为一m行的列向量； 特征2 :轨迹簇断面离散度，
特征 3 :上包络线，uei={max(x) }，i= 1，2,? ? ?，m; 特征 4 :下包络线，lei= {min(x〇}，i= 1，2,. . .，m; 特征 5 :瞬时轨迹中心，mef{(max(xd minui))/〗}，i= 1，2,? ? ?，m; 特征6 :上包络线与质心线之差，dcue^ {|ue「c」}，i= 1，2, ? ??，m; 特征7 :下包络线与质心线之差，此]^= {|le厂(^|}，i= 1，2,? ? ?，m; 特征 8 :包络线高度，hei= {|max(xj-minui)|}，i= 1，2,? ? ?，m; 特征9 :轨迹质心与中心之差，dcmf{|ci-nii|}，i= 1，2,? ? ?，m; 特征10 :质心线瞬时变化率，
|i= 1，2,. . .，m-l，其中，h为采样时间 间隔； 特征11 :离散度瞬时变化率，
，i= 1，2,. . .，m-1 ; 特征12 :上包络线变化率，
，i= 1，2,. . .，m-1 ;
其中，轨迹曲线曲率的计算采用了三点二次插值算法；对n个电压轨迹簇样本计算特 征量后得到的数据集记为xnxm，n为样本个数，m为特征量个数，此处m= 27。
5.根据权利要求1所述的预测方法，其特征在于：在所述步骤s3包括将求得的权重wi从大到小排序，将权值大于预先设定的阈值^的特征量组合构成与稳定结果强相关的特征 子集。
6. 根据权利要求1所述的预测方法，其特征在于，通过对不同负荷水平及位置拓扑结 构下的数据进行预测判断，优化所述步骤s4中构建的预测模型。
7. 根据权利要求6所述的预测方法，其特征在于：在所述步骤s4包括利用步骤s3获 得的输入数据集作为支持向量机svm的输入特征向量，并通过网格搜索算法在k折交叉验 证情形下进行惩罚参数c和核函数参数g的寻找最优参数。
8. 根据权利要求6所述的预测方法，其特征在于：在所述步骤s5包括将所述预测数据 集作为在线预测数据集，并利用优化后的预测模型进行预测，得到系统暂态稳定的在线预 测结果。
【专利摘要】本发明公开了一种基于wams受扰电压轨迹簇特征的电力系统暂态稳定性预测方法，该方法对电力系统中wams系统所采集到的历史信息进行初步筛选，得到故障后所有关键发电机节点电压幅值的时域轨迹簇构成原始数据集；对原始数据计算轨迹簇的27个几何特征；利用relief算法对所有特征量进行权重计算，选出与系统暂态稳定性强相关的若干个广域故障特征，并作为暂态稳定预测算法的输入数据集；基于输入数据集构造svm预测模型。本发明不建立电力系统的分析模型，而是根据wams系统得到的电力系统的响应信息，直接预测电力系统的暂态稳定性；本发明不但能够快速预测系统稳定性，具有极强的适应性和鲁棒性。
【ipc分类】h02j3-00
【公开号】cn104578053
【申请号】cn201510013138
【发明人】吴俊勇, 冀鲁豫, 郝亮亮, 周艳真, 于之虹, 严剑峰, 华科
【申请人】北京交通大学
【公开日】2015年4月29日
【申请日】2015年1月9日