【技術實現步驟摘要】
本專利技術涉及電網安全監測，具體涉及一種基于擾動信號能量和決策樹結合的暫態電壓穩定評估方法。
技術介紹
1、隨著新能源發電設備的大規模并網及電力電子設備在電力系統中的廣泛應用，電網規模和復雜性增加，電力系統的電壓調節特性及無功功率分配發生了顯著變化。這種變化導致系統在受到擾動時更容易出現暫態電壓失穩，嚴重威脅電力系統的安全穩定運行。在電力系統發生暫態短路故障后，系統電壓會短暫跌落，并在故障切除后迅速攀升，能否快速、準確地預測系統在故障切除后電壓是否能夠恢復穩定，是評估系統暫態電壓穩定性的重要任務。為解決該類型問題，國內外學者開展了大量研究，目前主要方法可分為：一類是基于物理建模的分析方法，依賴系統詳細的模型參數，如時域仿真法、潮流分析法、能量函數法等；另一類是基于廣域量測信息的數據驅動方法，如基于電壓shapelet時序軌跡特征學習的暫態評估方法。這些方法各有優缺點，針對具體場景的評估需求仍需進一步的研究和優化。
2、但隨著電網互聯規模不斷擴大，獲得實際系統的詳細模型和準確參數變得愈發困難，這使得第一類方法的運用程度受限。第二類雖可僅借助廣域測量系統(wide?areameasurement?system，wams)所得數據來進行電壓時序軌跡特征學習來評估暫態穩定性，但面對實際應用中很多時序數據集維數很高而樣本容量龐大時，基于shapelet的時序軌跡特征學習的模型訓練時間成本巨大，這嚴重影響了時序特征學習與構建暫態電壓評估模型的效率；而且基于電壓shapelet的時序軌跡特征學習是基于電壓時序曲線形態進行模型訓練，
3、近年來，信號能量法已在機械、動力、電力等領域得到了廣泛的應用，如結構健康監測、振動分析、故障診斷、能量管理系統等方面。信號能量法的理論是從所研究系統的時域仿真結果提取某種信號，定義信號能量為信號暫態分量的平方對仿真時間的積分，而對應的擾動信號能量為信號暫態分量與穩態分量的差的平方對仿真時間的積分。在該理論中，擾動信號能量用于衡量信號在一段時間內受擾動后的能量累積，屬于一維標量數據，其特征學習的時間成本很小，將其與二分類的機器學習的方法結合，如決策樹等，這為運用基于廣域量測信息的數據驅動方法來評估電力系統暫態電壓穩定提供了新思路。
4、綜上，目前亟需一種基于擾動信號能量和決策樹結合的暫態電壓穩定評估技術，將其應用到電力系統安全穩定運行研究中，以在大大縮減訓練模型的時間成本下，快速準確的實現故障切除后的系統暫態電壓穩定評估。
技術實現思路
1、為了克服現有技術存在的缺陷與不足，本專利技術提供一種基于擾動信號能量和決策樹結合的暫態電壓穩定評估方法，本專利技術通過獲取系統中各節點廣域量測信息的電壓量，將其轉化為對應的擾動信號能量值，然后運用id3決策樹算法構建出可用于評估系統暫態電壓穩定的二分類評估模型，即可在故障切除后極短時間內預測電壓曲線在數秒后(工程上一般為8～10s后)能否恢復穩定，從而實現對系統暫態電壓穩定性的評估，為運行操作人員爭取到了更多采取相關控制措施的時間。基于擾動信號能量的決策樹模型訓練，大大縮減了訓練時間成本，且通過能量大小來對系統暫態電壓失穩和穩定進行評估，可避免不同的電壓失穩形態造成的評估準確性下降。
2、為了達到上述目的，本專利技術采用以下技術方案：
3、本專利技術提供一種基于擾動信號能量和決策樹結合的暫態電壓穩定評估方法，包括下述步驟：
4、針對選定的電力系統，通過數值仿真生成仿真案例，獲取電力系統在故障切除后各節點的時序電壓數據作為數據樣本集，對各樣本進行標幺化處理；
5、根據電壓時序樣本數據，計算故障切除后暫態電壓幅值與其對應節點的電壓穩態值之差，基于信號能量法得到各樣本下各節點在故障切除后設定時間段內累積到的擾動信號能量，將時間序列數據集轉化為擾動能量數據集，對擾動能量數據集進行排序和取均值處理，得到擾動信號能量分裂閾值候選集；
6、以擾動能量數據集為原始數據對象，以擾動信號能量分裂閾值候選集為條件，基于id3決策樹算法進行分類學習，建立決策樹模型作為暫態電壓穩定的分類評估模型，樹中各結點則對應于某節點的擾動信號能量分裂閾值；
7、當判定電力系統發生短期大擾動后，基于電力系統中各節點pmu量測獲取動態時間序列，計算各動態時間序列轉化所得的擾動信號能量，與決策樹模型中各結點的擾動信號能量分裂閾值進行比較，得到評估結果。
8、作為優選的技術方案，所述通過數值仿真生成仿真案例，獲取電力系統在故障切除后各節點的時序電壓數據作為數據樣本集，對各樣本進行標幺化處理，具體步驟包括：
9、通過暫態數值仿真生成n個仿真案例，一個仿真案例為一個樣本，一個樣本中包含d個節點，提取各節點的電壓幅值軌跡；
10、以故障切除時刻為起點，給定時間窗長度為t，采樣時間為δt，利用時間窗提取各節點電壓的標幺值時間序列，各序列長度為m＝t/δt，得到d維電力系統在故障切除后的暫態電壓時序數據集sraw，sraw＝{sraw1,sraw2,…,srawd}，n為樣本數目，d為電力系統包含的節點數，m為單個時序數據的長度；
11、將時序數據集樣本sraw中各數據除以對應節點的基準電壓un，得到歸一化后的電壓時序數據集s＝{s1,s2,…,sd}＝{sraw1/un,sraw2/un,…,srawd/un}；
12、電壓時序數據集s的第i維數據集為由n個長度均為m的時間序列構成的數據集，即：
13、si＝{ui,1,ui,2,...,ui,n},i＝1,2,...d
14、其中，ui,j＝{ui,j(t1),ui,j(t2),…,ui,j(tm)}，j＝1,2,…,n，ui,j(t1)表示第j個樣本中節點i的電壓在第1個測量點對應的數值。
15、作為優選的技術方案，所述基于信號能量法得到各樣本下各節點在故障切除后設定時間段內累積到的擾動信號能量，將時間序列數據集轉化為擾動能量數據集，具體步驟包括：
16、基于信號能量法將暫態電壓時序數據集轉化為電壓擾動信號能量集，將每一時間序列轉化為在t時間段內產生的擾動信號能量，表示為：
17、
18、其中，u(0)為電壓穩態初值，m為時序軌跡中所考慮的時間段包含的測量點數量，δt為連續兩次測量之間的時間間隔，u(ti)為第i個測量點對應的電壓幅值數據；
19、對電壓時序數據集s所有節點對應的時序數據集進行轉化，得到擾動能量數據集，表示為：
20、
21、其中，擾動能量數據集中的矩陣中每個元素均為標量，每個元素ei,j表示一個樣本對應的場景中某個節點的電壓在所給時間序列中產生的擾動信號能量。
【技術保護點】
1.一種基于擾動信號能量和決策樹結合的暫態電壓穩定評估方法，其特征在于，包括下述步驟：
2.根據權利要求1所述的基于擾動信號能量和決策樹結合的暫態電壓穩定評估方法，其特征在于，所述通過數值仿真生成仿真案例，獲取電力系統在故障切除后各節點的時序電壓數據作為數據樣本集，對各樣本進行標幺化處理，具體步驟包括：
3.根據權利要求1所述的基于擾動信號能量和決策樹結合的暫態電壓穩定評估方法，其特征在于，所述基于信號能量法得到各樣本下各節點在故障切除后設定時間段內累積到的擾動信號能量，將時間序列數據集轉化為擾動能量數據集，具體步驟包括：
4.根據權利要求3所述的基于擾動信號能量和決策樹結合的暫態電壓穩定評估方法，其特征在于，所述對擾動能量數據集進行排序和取均值處理，得到擾動信號能量分裂閾值候選集，具體包括：
5.根據權利要求1所述的基于擾動信號能量和決策樹結合的暫態電壓穩定評估方法，其特征在于，以擾動能量數據集為原始數據對象，以擾動信號能量分裂閾值候選集為條件，基于ID3決策樹算法進行分類學習，建立決策樹模型作為暫態電壓穩定的分類評估模型，具體包
6.根據權利要求1所述的基于擾動信號能量和決策樹結合的暫態電壓穩定評估方法，其特征在于，所述計算各動態時間序列轉化所得的擾動信號能量，與決策樹模型中各結點的擾動信號能量分裂閾值進行比較，得到評估結果，具體包括：
...【技術特征摘要】
1.一種基于擾動信號能量和決策樹結合的暫態電壓穩定評估方法，其特征在于，包括下述步驟：
2.根據權利要求1所述的基于擾動信號能量和決策樹結合的暫態電壓穩定評估方法，其特征在于，所述通過數值仿真生成仿真案例，獲取電力系統在故障切除后各節點的時序電壓數據作為數據樣本集，對各樣本進行標幺化處理，具體步驟包括：
3.根據權利要求1所述的基于擾動信號能量和決策樹結合的暫態電壓穩定評估方法，其特征在于，所述基于信號能量法得到各樣本下各節點在故障切除后設定時間段內累積到的擾動信號能量，將時間序列數據集轉化為擾動能量數據集，具體步驟包括：
4.根據權利要求3所述的基于擾動信號能量和決策...
【專利技術屬性】
技術研發人員：杜兆斌，黃子睿，高佳偉，鐘國端，陳柏熹，
申請(專利權)人：華南理工大學，
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。