[發(fā)明專利]基于交叉熵集成學(xué)習(xí)的電力系統(tǒng)故障后最低頻率預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711390235.6
• 申請(qǐng)日: 2017-12-21
• 公開(kāi)（公告）號(hào): CN108090615B
• 公開(kāi)（公告）日: 2021-10-08
• 發(fā)明（設(shè)計(jì)）人: 湯奕;崔晗;王琦;李峰
• 申請(qǐng)（專利權(quán)）人: 東南大學(xué)溧陽(yáng)研究院;東南大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 柏尚春

本發(fā)明公開(kāi)了一種基于交叉熵集成學(xué)習(xí)的電力系統(tǒng)故障后最低頻率預(yù)測(cè)方法，該方法包括以下步驟：(1)通過(guò)仿真設(shè)置不同類型的暫態(tài)故障；(2)根據(jù)數(shù)據(jù)樣本進(jìn)行算法離線訓(xùn)練；(3)通過(guò)多個(gè)基學(xué)習(xí)器的交叉熵計(jì)算得到集成學(xué)習(xí)模型進(jìn)行在線故障后頻率預(yù)測(cè)。本發(fā)明的集成學(xué)習(xí)算法具有較強(qiáng)擴(kuò)展性，可以根據(jù)實(shí)際需求改變基學(xué)習(xí)器數(shù)量實(shí)現(xiàn)精度和計(jì)算資源的平衡；能夠快速準(zhǔn)確預(yù)測(cè)電力系統(tǒng)故障后最低頻率，具有較好的穩(wěn)定性，且能夠適應(yīng)實(shí)際電網(wǎng)中故障數(shù)據(jù)不足的場(chǎng)景，相比其他算法樣本數(shù)量依賴性弱；在實(shí)際應(yīng)用本發(fā)明能夠盡量減少因個(gè)體基學(xué)習(xí)器隨機(jī)誤差導(dǎo)致的預(yù)測(cè)誤差，實(shí)現(xiàn)可靠預(yù)判。

技術(shù)領(lǐng)域

本發(fā)明涉及電力技術(shù)領(lǐng)域，具體涉及一種基于交叉熵集成學(xué)習(xí)的電力系統(tǒng)故障后最低頻率預(yù)測(cè)方法。

背景技術(shù)

隨著特高壓交直流混聯(lián)電網(wǎng)建設(shè)的推進(jìn)，電網(wǎng)運(yùn)行特性發(fā)生了根本變化。特高壓交直流輸電線路故障可能造成輸送功率大幅波動(dòng)，使送受端電網(wǎng)發(fā)生嚴(yán)重頻率穩(wěn)定問(wèn)題的風(fēng)險(xiǎn)增加。因此需要及時(shí)對(duì)電網(wǎng)受擾后的頻率動(dòng)態(tài)特性進(jìn)行研究，準(zhǔn)確預(yù)測(cè)其態(tài)勢(shì)，為后續(xù)安全穩(wěn)定控制提供依據(jù)。電網(wǎng)頻率動(dòng)態(tài)過(guò)程時(shí)間跨度較長(zhǎng)，涉及多個(gè)時(shí)間尺度的電網(wǎng)控制問(wèn)題。

影響電網(wǎng)受擾后頻率動(dòng)態(tài)特性的因素主要有故障類型、故障地點(diǎn)、電網(wǎng)當(dāng)前運(yùn)行狀態(tài)、發(fā)電機(jī)組/負(fù)荷參數(shù)、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)等，現(xiàn)有的電網(wǎng)頻率動(dòng)態(tài)分析方法主要有全時(shí)域仿真法、單機(jī)等值模型法和機(jī)器學(xué)習(xí)方法。全時(shí)域仿真法通過(guò)求解高階非線性微分方程組以獲得電網(wǎng)各節(jié)點(diǎn)的頻率動(dòng)態(tài)變化過(guò)程，該方法計(jì)算精度高，但計(jì)算速度過(guò)慢使得其不適合用于系統(tǒng)受擾后的頻率快速預(yù)測(cè)；以平均系統(tǒng)頻率模型(Average System Frequency，ASF)和系統(tǒng)頻率響應(yīng)模型(System Frequency Response，SFR)為代表的等值模型法通過(guò)對(duì)系統(tǒng)的大量簡(jiǎn)化大幅提高計(jì)算速度，是目前在線應(yīng)用的主流方法，但精度有限。

上述兩類由物理模型出發(fā)的方法面臨計(jì)算速度和計(jì)算精度之間難以調(diào)和的矛盾，因此，利用機(jī)器學(xué)習(xí)算法進(jìn)行快速頻率預(yù)測(cè)對(duì)于防止系統(tǒng)頻率暫態(tài)問(wèn)題具有輔助作用。

發(fā)明內(nèi)容

發(fā)明目的：為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于交叉熵集成學(xué)習(xí)的電力系統(tǒng)故障后最低頻率預(yù)測(cè)方法，該方法可以解決預(yù)測(cè)電力系統(tǒng)故障后最低頻率速度和精度之間的平衡以及對(duì)數(shù)據(jù)樣本依賴性大的問(wèn)題。

技術(shù)方案：本發(fā)明所述的基于交叉熵集成學(xué)習(xí)的電力系統(tǒng)故障后最低頻率預(yù)測(cè)方法，該方法包括以下步驟：

(1)通過(guò)仿真設(shè)置不同類型的暫態(tài)故障；

(2)根據(jù)數(shù)據(jù)樣本進(jìn)行算法離線訓(xùn)練；

(3)通過(guò)多個(gè)基學(xué)習(xí)器的交叉熵計(jì)算得到集成學(xué)習(xí)模型進(jìn)行在線故障后頻率預(yù)測(cè)。

優(yōu)選的，步驟(1)中，所述仿真設(shè)置包括：

(11)設(shè)置仿真參數(shù)，所述仿真參數(shù)包括故障類型、故障地點(diǎn)和故障嚴(yán)重程度；

(12)讀取仿真后頻率態(tài)勢(shì)數(shù)據(jù)，記錄暫態(tài)過(guò)程的最低頻率。

優(yōu)選的，步驟(2)中，所述算法離線訓(xùn)練包括：

(21)將所述仿真數(shù)據(jù)隨機(jī)分為訓(xùn)練集和測(cè)試集，并分別對(duì)所述訓(xùn)練集和測(cè)試集進(jìn)行數(shù)據(jù)預(yù)處理；

(22)對(duì)所述訓(xùn)練集合測(cè)試集進(jìn)行特征篩選，得到可用于算法訓(xùn)練的樣本；

(23)對(duì)所述多個(gè)基學(xué)習(xí)器進(jìn)行算法訓(xùn)練，完成測(cè)試結(jié)果和仿真結(jié)果分布的交叉熵計(jì)算；

(24)根據(jù)各個(gè)基學(xué)習(xí)器交叉熵的結(jié)果進(jìn)行集成學(xué)習(xí)算法權(quán)重確定，得到頻率預(yù)測(cè)的集成學(xué)習(xí)模型。

優(yōu)選的，步驟(22)中，所述特征篩選采用的方法為物理原理和數(shù)據(jù)分析相結(jié)合，具體為選取與電力系統(tǒng)頻率問(wèn)題存在強(qiáng)物理關(guān)聯(lián)和強(qiáng)數(shù)據(jù)關(guān)聯(lián)的特征。

優(yōu)選的，步驟(23)中，所述對(duì)基學(xué)習(xí)器的交叉熵計(jì)算的公式為：