[發(fā)明專利]基于相關(guān)性檢測與改進(jìn)隨機(jī)森林的在線電壓穩(wěn)定評(píng)估方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010625508.6
• 申請(qǐng)日: 2020-06-30
• 公開（公告）號(hào): CN111814284A
• 公開（公告）日: 2020-10-23
• 發(fā)明（設(shè)計(jì)）人: 劉頌凱;史若原;劉明怡;晏光輝;張磊;葉婧;鐘浩;鮑剛;李世春;楊苗;楊超;黎麗麗
• 申請(qǐng)（專利權(quán)）人: 三峽大學(xué)
• 主分類號(hào): G06F30/18
• 分類號(hào): G06F30/18;G06F30/27;G06K9/62;G06F113/04
• 代理公司: 宜昌市三峽專利事務(wù)所 42103
• 代理人: 余山

一種基于相關(guān)性檢測與改進(jìn)隨機(jī)森林的在線電壓穩(wěn)定評(píng)估方法，包括以下步驟：基于電力系統(tǒng)歷史運(yùn)行數(shù)據(jù)以及同步相量測量單元的采集，確定電壓極限，構(gòu)建包含大量變量和相應(yīng)的電壓穩(wěn)定裕度的數(shù)據(jù)庫；利用基于部分互信息和皮爾遜相關(guān)系數(shù)構(gòu)建的相關(guān)性檢測框架對(duì)數(shù)據(jù)集進(jìn)行特征選擇，篩選出關(guān)鍵變量；基于改進(jìn)的隨機(jī)森林構(gòu)造關(guān)鍵變量與VSM的映射關(guān)系，建立電壓穩(wěn)定評(píng)估模型；通過從廣域量測系統(tǒng)服務(wù)器在線接收到選定的數(shù)據(jù)，經(jīng)過訓(xùn)練的VSA模型將立即提供實(shí)時(shí)的評(píng)估結(jié)果。本發(fā)明提出的電力系統(tǒng)在線VSA模型能夠?yàn)殡娋W(wǎng)提供高精度，高效率的評(píng)估，有利于電力人員的直觀正確的確定系統(tǒng)的安全狀態(tài)，對(duì)提高電網(wǎng)運(yùn)行的安全性與質(zhì)量有著重大意義。

技術(shù)領(lǐng)域

本發(fā)明屬于電力系統(tǒng)安全分析評(píng)估領(lǐng)域，具體涉及到相關(guān)性檢測工具與改進(jìn)隨機(jī)森林算法的在線電壓穩(wěn)定方案。

背景技術(shù)

靜態(tài)電壓穩(wěn)定是電力系統(tǒng)安全運(yùn)行的關(guān)鍵問題，世界范圍內(nèi)的重大停電事故很多都與靜態(tài)電壓穩(wěn)定有關(guān)。這一問題不僅造成巨大的經(jīng)濟(jì)損失，而且將會(huì)對(duì)人們的生活和工業(yè)生產(chǎn)產(chǎn)生不可預(yù)測的影響。因此，一個(gè)準(zhǔn)確、快速的評(píng)估工具來評(píng)估電力系統(tǒng)當(dāng)前的運(yùn)行狀態(tài)是否容易發(fā)生電壓崩潰，對(duì)于維護(hù)系統(tǒng)的安全穩(wěn)定運(yùn)行具有重要意義。

靜態(tài)電壓穩(wěn)定評(píng)估的目的是找出發(fā)電負(fù)荷緩慢增加時(shí)電壓工作點(diǎn)到電壓崩潰點(diǎn)的距離。傳統(tǒng)的靜態(tài)電壓穩(wěn)定研究方法是基于模型的方法，該方法通過迭代求解出從基本工作點(diǎn)到電壓穩(wěn)定極限的潮流。針對(duì)該技術(shù)，有多種電壓穩(wěn)定評(píng)估(Voltage StabilityAssessment，VSA)方法，如連續(xù)潮流法、奇異值分解方法、和靈敏度分析法。然而，由于建立精確的傳統(tǒng)電力系統(tǒng)模型的難度較大且計(jì)算速度較慢，這些基于模型的方法在實(shí)際系統(tǒng)應(yīng)用中可能無法得到高效的實(shí)時(shí)應(yīng)用。

隨著廣域測量系統(tǒng)(Wide Area Measurement System，WAMS)的快速發(fā)展和電力系統(tǒng)中同步相量測量單元(Phasor Measurement Units，PMUs)的廣泛應(yīng)用，電力系統(tǒng)數(shù)據(jù)的分析也越來越復(fù)雜，一些數(shù)據(jù)驅(qū)動(dòng)方法已被應(yīng)用于VSA。因此，基于數(shù)據(jù)驅(qū)動(dòng)的方法在電壓穩(wěn)定在線評(píng)估中的應(yīng)用近年來受到了廣泛的關(guān)注。其中支持向量機(jī)(Support VectorMachine，SVM)、決策樹(Decision Tree，DT)、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)以及極限學(xué)習(xí)機(jī)(Extreme Learning Machine，ELM)被較多的應(yīng)用于在線VSA。然而，上述數(shù)據(jù)驅(qū)動(dòng)方法在大規(guī)模電力系統(tǒng)的在線應(yīng)用中仍然存在一些不足，包括決策規(guī)則的復(fù)雜性、大規(guī)模樣本處理的難度以及數(shù)據(jù)丟失問題，因此這些方法無法滿足現(xiàn)代電力系統(tǒng)對(duì)VSA方法的高精度，高效率的需求。

發(fā)明內(nèi)容

針對(duì)上述問題與不足，本發(fā)明提供一種基于相關(guān)性檢測與改進(jìn)隨機(jī)森林的在線電壓穩(wěn)定評(píng)估的新方案，以更有效的處理在電力系統(tǒng)安全評(píng)估中所遇到的問題。該方法利用相關(guān)性檢測框架及IRF算法，能夠完成特征選擇，并構(gòu)建高精度，高效率在線VSA模型，實(shí)時(shí)的評(píng)估系統(tǒng)運(yùn)行中的安全狀態(tài)，有利于解決電網(wǎng)中許多安全問題，提高了電網(wǎng)安全運(yùn)行的水平。

為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明所述方法包括以下步驟：

基于相關(guān)性檢測與改進(jìn)隨機(jī)森林的在線電壓穩(wěn)定評(píng)估方法，該方法包括以下步驟：

步驟1：通過對(duì)電力系統(tǒng)的模擬仿真求解潮流，對(duì)系統(tǒng)運(yùn)行數(shù)據(jù)的采集，建立包含大量運(yùn)行變量和相應(yīng)的電壓穩(wěn)定裕度(Voltage Stability Margin，VSM)指標(biāo)的數(shù)據(jù)庫；

步驟2：基于相關(guān)性檢測工具對(duì)構(gòu)建的數(shù)據(jù)庫進(jìn)行特征選擇，篩選出與VSM顯著相關(guān)的關(guān)鍵變量；

步驟3：基于隨機(jī)森林以及篩選的關(guān)鍵變量集，構(gòu)造關(guān)鍵變量與VSM的映射關(guān)系，建立電壓穩(wěn)定評(píng)估(Voltage Stability Assessment，VSA)模型；