【技術實現步驟摘要】
本專利技術涉及電力系統及其自動化技術，具體涉及一種基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法、系統。
技術介紹
1、電力系統功角暫態穩定性分析一般通過數值積分的方法求取系統受擾軌跡，但是如何從軌跡中提取穩定性的量化信息卻一直是一個難題。擴展等面積準則(eeac)沿著系統受擾軌跡，逐個時間斷面采用互補群慣量中心—相對運動(cccoi—rm)變換，將多機系統受擾軌跡聚合成一系列的等值單機映象系統，并嚴格保持了原系統穩定性的充要條件，實現觀察空間與積分空間分離，在觀察空間中提取穩定性的定量信息，解決了非自治非線性系統在大擾動下的穩定性定量分析問題。
2、受擾軌跡上出現動態鞍點(dsp)，不僅是擴展等面積準則(eeac)判斷電力系統暫態失穩的定性判據，也是系統失穩程度的量化觀察點。然而，映像系統的強時變性可能造成其軌跡上出現一些雖然符合dsp的定義，卻并非系統真正失去同步穩定的點。若不能可靠地識別出這些病態的dsp(idsp)，就無法在工程應用中通過提前終止數值積分來減少計算量，甚至影響電力系統暫態同步穩定性的判別。
3、已有的研究根據據dsp出現時刻的發電機角速度描述機群內部的同調性,進而提出了評估時變性強弱的指標。若dsp被判為可疑，則需要繼續數值積分，或者通過適當延長積分時間，當軌跡上連續多次出現dsp時才判定系統失穩，以此避免由idsp導致的穩定性誤判，進一步，相關研究根據映象系統在idsp處仍具有吸收動能的潛力這一特點，按照擺次為單位來分析評估系統的時變性強弱，提出反映dsp病態程度的指
技術實現思路
1、專利技術目的：本專利技術的目的在于提供一種基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法、系統，該方案通過軌跡模式能量變化定義能夠反映可疑動態鞍點處時變性強弱的機理特征集合，結合人工智能分類識別算法，識別功角暫態穩定病態場景，解決了現有技術中將瞬時時變特性的影響平均到整個擺次，從而導致功角暫態穩定病態場景識別準確率低的問題。
2、技術方案：本專利技術的一種基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法，包括：
3、受擾軌跡獲取：采用數值積分方法，根據電力系統仿真模型，結合故障場景，求取電力系統在指定故障場景下的全過程受擾軌跡，即各個狀態變量隨時間的變化曲線；
4、主導映象系統識別：沿著發電機功角受擾軌跡，逐個時間斷面采用互補群慣量中心-相對運動變換，將電力系統的全過程受擾軌跡聚合成一系列等值單機映象系統，并識別出主導映象系統；
5、可疑候選集識別：根據識別出的主導映象系統，在外力-位置平面上識別滿足動態鞍點條件的點，作為電力系統功角暫態穩定病態場景識別的可疑候選集；
6、機理特征指標集求取：對電力系統功角暫態穩定病態場景識別的可疑候選集中的每一個點，從軌跡模式能量的視角，求取反映斷面瞬時時變特性的機理特征指標集；
7、功角暫態穩定病態場景識別：對電力系統功角暫態穩定病態場景識別的可疑候選集中的每一個點，將機理特征指標集作為預先構建的經過訓練的用于電力系統功角暫態穩定病態場景識別的功角暫態穩定病態場景分類器的輸入特征量，用于電力系統功角暫態穩定病態場景識別的功角暫態穩定病態場景分類器輸出電力系統功角暫態穩定病態場景識別的分類識別結果；
8、識別結果處理：根據用于電力系統功角暫態穩定病態場景識別的功角暫態穩定病態場景分類器的分類識別結果，對后續分析及控制采取不同的處理流程。
9、進一步地，所述識別出主導映象系統的過程如下：
10、采用互補群慣量中心-相對運動變換方法將電力系統受擾軌跡映射為一系列等值單機映象系統軌跡，按照功角往復運動識別每個等值單機映象系統的擺次，并求取各擺次的穩定裕度，將所有等值單機映象系統中裕度最小的擺次稱為主導擺次，其對應的等值單機映象系統為該場景下的主導映象系統。
11、進一步地，所述電力系統功角暫態穩定病態場景識別的可疑候選集的識別過程如下：
12、在外力-位置平面上，從每一個擺次的起始點開始，逐點求取機械轉矩pm和電磁轉矩pe的差值，對正向運動的擺次，當上一個點滿足條件pm-pe<0且當前點滿足條件pm-pe>0，或者對于反向運動的擺次，當上一個點滿足條件pm-pe>0且當前點滿足條件pm-pe<0，則判定該點滿足動態鞍點的識別條件，將該點加入電力系統功角暫態穩定病態場景識別的可疑候選集。
13、進一步地，所述機理特征指標集包括虛構哈密頓系統軌跡與實際仿真軌跡的夾角θ2-θ1、軌跡模式動能指標ekn、軌跡模式潛在勢能指標epn、下一個不穩定平衡點處的預測勢能e′pn四種特征指標，其中，θ1為虛構哈密頓系統軌跡斜率，θ2為實際仿真軌跡斜率；其中，
14、所述軌跡模式動能指標ekn的計算公式如下：
15、
16、式中，m為等值單機慣量，ω為等值單機轉速，n為當前識別點對應的時間斷面標號；
17、所述軌跡模式潛在勢能指標epn的計算公式如下：
18、
19、式中，pc、pmax、v為虛構哈密頓系統軌跡參數，pm為等值單機機械功率，δn為當前時間斷面對應的功角，δ′n為沿運動方向尋找到的下一個不穩定平衡點功角；
20、所述下一個不穩定平衡點處的預測勢能e′pn的計算公式如下：
21、
22、式中，δn+1為下一時間斷面對應的功角；epn+為下一時間斷面軌跡模式潛在勢能指標。
23、進一步地，所述用于電力系統功角暫態穩定病態場景識別的功角暫態穩定病態場景分類器采用分層識別的設計，具體包括三層：
24、第一層用于根據虛構哈密頓系統軌跡與實際仿真軌跡的夾角不能過大的規則，從初始的所有算例場景中，識別出電力系統功角暫態穩定病態場景；
25、第二層用于根據軌跡模式動能指標ekn、軌跡模式潛在勢能指標epn及下一個不穩定平衡點處的預測勢能e′pn，從第一層未識別的場景中排除掉不存在電力系統功角暫態穩定病態的場景；
26、第三層用于根據軌跡模式潛在勢能指標epn及下一個不穩定平衡點處的預測勢能e′pn，針對上述兩層分類識別后任然無法識別的算例場景，進一步識別電力系統功角暫態穩定病態場景。
27、進一步地，所述用于電力系統功角暫態穩定病態場景識別的功角暫態穩定病態場景分類器的訓練過程如下：
28、構造大量的不同形式的擾動故障場景，包括不同的故障形式、持續時間、發生位置；
29、針對每個擾動故障場景，獲取電力系統功角暫態穩定病態場景識別的可疑候選集；
30、針對電力系統功角暫態穩定病態場景識別的可疑候本文檔來自技高網...
【技術保護點】
1.一種基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法，其特征在于，包括：
2.根據權利要求1所述的基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法，其特征在于，所述識別出主導映象系統的過程如下：
3.根據權利要求1所述的基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法，其特征在于，所述電力系統功角暫態穩定病態場景識別的可疑候選集的識別過程如下：
4.根據權利要求1所述的基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法，其特征在于，所述機理特征指標集包括虛構哈密頓系統軌跡與實際仿真軌跡的夾角θ2-θ1、軌跡模式動能指標Ekn、軌跡模式潛在勢能指標Epn、下一個不穩定平衡點處的預測勢能Ep′n四種特征指標，其中，θ1為虛構哈密頓系統軌跡斜率，θ2為實際仿真軌跡斜率；其中，
5.根據權利要求1所述的基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法，其特征在于，所述用于電力系統功角暫態穩定病態場景識別的功角暫態穩定病態場景分類器采用分層識別的設計，具體包括三層：
6.根據權利
7.根據權利要求1所述的基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法，其特征在于，識別結果處理過程中，當用于電力系統功角暫態穩定病態場景識別的功角暫態穩定病態場景分類器的分類識別結果為是，則認為該點為電力系統功角暫態穩定出現病態場景，如果受擾軌跡獲取階段的積分過程中根據該點判定系統功角暫態失穩而提前終止積分，則需要延長積分時間并重復識別結果處理之前的所有步驟；當用于電力系統功角暫態穩定病態場景識別的功角暫態穩定病態場景分類器的分類識別結果為否，認為該點為電力系統功角暫態失穩為可信狀態，需要采取后續的控制措施以保證電力系統的功角穩定性。
8.一種基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別系統，其特征在于，包括：
9.一種基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別設備，其特征在于，包括處理器和存儲器，所述存儲器中存儲有計算機指令，所述處理器用于執行所述存儲器中存儲的計算機指令，當所述計算機指令被處理器執行時該電子設備實現如權利要求1至7中任意一項所述基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法的步驟。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，該程序被處理器執行時，實現如權利要求1至7中任意一項所述基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法的步驟。
...【技術特征摘要】
1.一種基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法，其特征在于，包括：
2.根據權利要求1所述的基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法，其特征在于，所述識別出主導映象系統的過程如下：
3.根據權利要求1所述的基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法，其特征在于，所述電力系統功角暫態穩定病態場景識別的可疑候選集的識別過程如下：
4.根據權利要求1所述的基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法，其特征在于，所述機理特征指標集包括虛構哈密頓系統軌跡與實際仿真軌跡的夾角θ2-θ1、軌跡模式動能指標ekn、軌跡模式潛在勢能指標epn、下一個不穩定平衡點處的預測勢能ep′n四種特征指標，其中，θ1為虛構哈密頓系統軌跡斜率，θ2為實際仿真軌跡斜率；其中，
5.根據權利要求1所述的基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法，其特征在于，所述用于電力系統功角暫態穩定病態場景識別的功角暫態穩定病態場景分類器采用分層識別的設計，具體包括三層：
6.根據權利要求1所述的基于軌跡模式能量特征的電力系統功角暫態穩定病態場景識別方法，其特征在于，所述用于電力系統功角暫態穩定病態場景識別的功角暫態穩定病態場景分類器的訓練過程如下：
7.根據權利要...
【專利技術屬性】
技術研發人員：薛禹勝，薛峰，劉慶龍，彭慧敏，李峰，
申請(專利權)人：南瑞集團有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。