[發明專利]一種基于ELM和TF的電網暫態穩定快速評估方法

有效

• 申請號: 201711419931.5
• 申請日: 2017-12-25
• 公開（公告）號: CN108053128B
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 李峰;王琦;湯奕
• 申請（專利權）人: 東南大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06Q50/06
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明公開了一種基于極限學習機和軌跡匹配的電網暫態穩定快速評估方法，屬于電力系統暫態穩定預測技術領域。該方法以基于極限學習機的暫態穩定評估模型為核心，利用軌跡匹配方法進行校驗和修正，實現暫態穩定預測準確性的提升。同時，該方法將電網通信狀態的影響考慮在內，設置了通信中斷、異常等故障下的應對方案，保證了該方法在實際應用中的可靠性。本發明可用于嚴重故障后電網暫態穩定性的快速評估，能夠為電網運行控制提供決策依據。

技術領域

本發明涉及電網安全穩定分析方法，具體涉及一種基于極限學習機和軌跡匹配的電網暫態穩定快速評估方法。

背景技術

隨著電力系統規模在地理距離和負荷量級上的增加，以及新型電力電子設備的并網投運，電力系統的動態特性，諸如同調性、失穩模式和關鍵斷面都越來越復雜，其運行控制的難度變大。同時，電力系統信息化及數據分析技術水平的提高，支撐了電力系統在線分析和預測技術的發展，能夠提高電力系統抵御大面積停電和連鎖故障風險的能力。因此，研究新形勢下電力系統在線分析和預測方法具有重要的實際意義。

一直以來，功角穩定問題是電力系統穩定性研究的重點，經過長期的發展，電力系統中用于功角穩定評估的方法很豐富，包括時域仿真法、能量函數法、EEAC(ExtendedEqual Area Criterion)法等。以此為基礎，可將暫態穩定評估方法分為兩類：一類以挖掘系統軌跡變化特征判斷系統穩定性，主要依靠數值分析、時域仿真方法；另一類以系統能量變化特征分析系統穩定性，在能量函數構建、穩定域求解等方面有所發展，并趨于實用化，但分析結果仍存在一定誤差。

數據分析處理技術的發展進步，使機器學習為代表的智能算法在電力系統穩定評估及預測中獲得了廣泛的重視，包括人工神經網絡、決策樹、支持向量機、極限學習機等方法，這類方法通過對先驗數據的學習，建立系統動態特征與系統穩定性間的映射，直接利用數值計算結果判斷系統穩定性。這種以數據分析為基礎的穩定評估和預測方法，在計算時間、可實施性方面相比于時域仿真和能量函數方法具有優勢，且能夠達到較高的預測準確度，是未來電力系統穩定預測方法的研究熱點。其中，極限學習機方法由于其網絡參數并不需要迭代計算，在學習速度上具有其他機器學習方法不可比擬的優勢，適用于跟蹤電力系統實際運行工況的變化。

現有研究中，對電力系統穩定預測方法的研究偏重于理論，而對實際應用的背景常常缺乏考慮。智能電網建設的推進，使電力系統中的計算資源更加豐富，多種新型計算方式的實施擁有了技術支撐，電力系統信息處理能力得到加強。同時，預測方法所需的實際量測信息也存在缺失或延遲的風險，但鮮有研究人員對此進行考慮，影響了預測方法在實際應用中的實施效果。

發明內容

發明目的：針對以上不足，為提高穩定預測方法實際應用的可靠性，對預測方法的實施方式和面臨的通信風險進行考慮，本發明提出一種基于極限學習機(ExtremeLearning Machine，ELM)和軌跡匹配(Trajectory Fitting，TF)的電網暫態穩定快速評估方法，利用極限學習機學習速度快的優勢，應對實際電力系統運行工況的變化，在保證其計算速度優勢的基礎上，提高其預測準確度。

技術方案：一種基于ELM和TF的電網暫態穩定快速評估方法，包括基于ELM的評估方法和基于TF的評估方法，其中ELM方法，以各發電機功角狀態信息、發電機功角和轉速變化信息、節點電壓幅值和相角變化信息、節點注入功率變化信息、穩態下線路有功和無功信息、穩態下發電機出力信息、擾動類型和地點等信息為初始特征，經過改進費希爾判別法，篩選出關鍵特征，作為ELM方法的輸入，并根據其輸出的T_Y值判斷電網的暫態穩定性，其映射關系如下所示：

if T_Y≥0→T_Y＝1(穩定)

if T_Y＜0→T_Y＝0(不穩定)