[發明專利]基于卷積神經網絡的系統短路電流水平評估方法及系統

有效

• 申請號: 202110260723.5
• 申請日: 2021-03-10
• 公開（公告）號: CN112800683B
• 公開（公告）日: 2023-02-07
• 發明（設計）人: 易楊;楊文佳;龍霏;苗璐;吳國炳;樊瑋;林建熙
• 申請（專利權）人: 廣東電網有限責任公司電力調度控制中心
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F18/214;G06N3/0464;G06N3/08;G06F111/08;G06F113/04
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 陳旭紅;吳落

本發明提供一種基于卷積神經網絡的系統短路電流水平評估方法及系統，通過構建反映該系統短路電流水平信息的穩態和暫態特征作為輸入特性集，并構建基于系統短路電流水平的安全裕度指標作為樣本標簽。綜合考慮風電場出力大小、負荷需求大小和故障情況的不確定性，通過概率抽樣的方式獲得較為完備和可行的樣本集。使用樣本集的數據，對構造的卷積神經網絡模型進行訓練，進而以訓練后的模型為基礎對實際運行系統的短路電流水平進行預測，得到短路電流安全裕度矩陣，從而實現對系統短路電流水平的快速評估。所述方法可為進一步探討并網系統中限流措施的使用提供理論依據。

技術領域

本發明涉及電力系統技術領域，特別是涉及一種基于卷積神經網絡的系統短路電流水平評估方法及系統。

背景技術

隨著化石燃料的逐步耗盡和人們環保意識的不斷提高，以風能為代表的可再生能源憑借其環境友好和資源容量大的優點越來越受到重視，近年來風力發電得到了快速的發展，大規模風力發電并網將成為未來電力系統的重要趨勢。

風力資源具有很強隨機性、間歇性和波動性，環境氣候因素的變化會直接導致風速的發生變化。由于風電機組出力大小決定于風速的大小，不同時間、地點的風電機組出力并不恒定，風電機組的出力有很強的不確定性。而故障期間風力發電機組會向系統注入短路電流，可能提高系統短路水平，從而出現短路電流超標等嚴重問題。風電機組出力的不確定性導致了系統運行方式的不確定性，不同運行方式下風電場提供的短路電流會有明顯的不同，使得電網系統故障情況下的短路電流的大小和分布變化更加復雜化。

由于風電機組暫態模型的復雜性和特殊性，傳統的短路電流計算方法已經不在適用，基于物理建模的時域仿真方法的短路電流水平評估方法受到計算時長、模型適應性和建模復雜度等問題的影響，難以滿足大規模風電接入電網系統短路電流水平的快速、準確評估要求。

發明內容

本發明提供一種基于卷積神經網絡的系統短路電流水平評估方法及系統，以快速、準確對系統短路電流進行評估。

本發明一個實施例提供一種基于卷積神經網絡的系統短路電流水平評估方法，包括：

基于短路電流的產生機理，選取反映系統短路電流信息的關鍵特征，作為輸入特性集；其中，所述輸入特性集包括：穩態特征集及故障特征集；

根據母線短路電流值、母線斷路器額定電流值及短路電流裕度與安全性之間非線性關系，構建短路電流安全裕度指標，作為樣本標簽；

通過風電場出力大小、負荷需求大小和故障位置進行概率抽樣，生成若干模擬場景，通過計算母線節點在所述模擬場景的短路電流安全裕度指標，得到系統短路電流安全裕度矩陣，作為系統樣本標簽；將所述輸入特性集與所述系統樣本標簽共同作為卷積神經網絡的樣本集；

根據所述輸入特性集構建基于卷積神經網絡的系統短路電流水平評估模型，生成理論輸出結果；根據所述理論輸出結果與系統樣本標簽構造損失函數，基于所述損失函數，通過反向傳播過程計算各神經元的誤差項以及各參數的梯度，經過迭代更新參數使誤差收斂，生成基于卷積神經網絡的系統短路電流水平評估優化模型，完成模型的訓練；

獲取目標運行數據，并輸入至所述基于卷積神經網絡的系統短路電流水平評估優化模型，對系統短路電流安全裕度進行預測。

進一步地，所述構建短路電流安全裕度指標，作為樣本標簽，通過以下公式進行計算：

其中，λ為短路電流安全裕度指標，I_SC,i為母線i處流過的短路電流大??；I_SCM,i為母線斷路器額定開斷電流；h為近似描述短路電流裕度與安全性之間非線性關系的參數。

進一步地，所述通過風電場出力大小、負荷需求大小和故障位置進行概率抽樣，生成若干模擬場景，包括：