【技術實現步驟摘要】
本專利技術涉及電力系統暫態電壓穩定評估領域，具體涉及一種基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法。
技術介紹
1、近些年來，可再生能源并網發電容量迅速增長，可再生能源產生的電力已占有相當大的比例。然而，可再生能源發電機組的輸出功率往往波動迅速且劇烈，這將對電力系統的暫態電壓穩定產生重大影響。近年來，世界各地發生了一些由可再生能源發電引起的事故。因此，與可再生能源發電相結合的電力系統的快速、可靠的暫態電壓穩定評估應引起重視。
2、授權公告號為cn115935264b的專利文獻公開了一種基于時空信息同步學習的電網暫態電壓穩定評估方法，通過各種暫態故障進行時域仿真，得到暫態樣本集，再構建空間鄰接矩陣和時序鄰接矩陣，利用圖卷積神經網絡算法進行暫態電壓穩定分類評估。但該方法沒有考慮到系統運行工況的不可預知性，從而導致該模型的魯棒性有所欠缺。授權公告號為cn116031879a的專利文獻公開了一種適應電力系統暫態電壓穩定評估的混合智能特征選擇方法，通過進行穩定性相關因素分析和原始特征集構建及多場景暫態時域仿真得到高維時序樣本數據集，基于t-relief算法進行特征有效性度量及初步篩選，再進行基于改進群體智能算法的特征選擇及穩定性評估。但該方法未考慮到新能源發電機組并網的問題，可能導致暫態電壓穩定評估結果精度下降，甚至導致評估結果不可靠。
3、傳統的時域仿真最大的缺點就是耗時，尤其是隨著新能源發電設備的并網，電力系統規模越來越大，電力電子設備集成也越來越多，耗時性越發顯著。然而，由于風電、光伏等可再生能源發
技術實現思路
1、為解決上述技術問題，本專利技術提供一種基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，當電力系統暫態電壓變化幅度較大時，及時進行評估，若系統發生失穩則立刻向工作人員報警，保障電力系統的暫態電壓穩定運行。
2、本專利技術采取的技術方案為：
3、基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，包括以下步驟：
4、步驟1：建立包含大量歷史仿真結果信息的數據庫，通過數據庫擬合當前系統的運行場景；
5、步驟2：計算數據庫中樣本的暫態電壓穩定指標tvsi，將其劃分為不同暫態電壓穩定類別；
6、步驟3：基于數據庫中的數據集，離線訓練長短期記憶網絡lstm模型，建立基于lstm的電力系統暫態電壓穩定評估模型；
7、步驟4：考慮電力系統運行工況發生變化的情形，通過雙向遷移學習對數據集進行微調，使電力系統暫態電壓穩定評估模型能夠適應新的工況條件。
8、所述步驟1中，針對新能源發電并網的情況，建立一個包含大量歷史仿真結果信息的初始數據庫，該數據庫中包括發電機有功功率、發電機無功功率、負荷有功功率、負荷無功功率、電壓幅值及相角等數據；之后，通過數據庫擬合當前系統的運行場景，其中建立的運行場景包括故障線路、故障位置、故障持續時間、故障類型等參數，構建多個場景進行測試，驗證本專利技術方法的優勢。
9、步驟1中，為了適應特定的操作場景，需要對操作場景之間的距離進行相應定義：
10、定義第i個操作場景si如下所示：
11、si＝{vi,θi,pgi,qgi,pli,qli}?(1)；
12、式中，vi為節點i的電壓幅值；θi為節點i的電壓相角；pgi為節點i的發電機有功功率；qgi為節點i的發電機無功功率；pli為節點i的負荷有功功率；qli為節點i的負荷無功功率。
13、
14、式中，vi1為第一個場景節點i的電壓幅值；vin為第n個場景節點i的電壓幅值；為第一個場景節點i的電壓相角；為第n個場景節點i的電壓相角；為第一個場景節點i的發電機有功功率；為第n個場景節點i的發電機有功功率；為第一個場景節點i的發電機無功功率；為第n個場景節點i的發電機無功功率；為第一個場景節點i的負荷有功功率；為第n個場景節點i的負荷有功功率；為第一個場景節點i的負荷無功功率；為第n個場景節點i的負荷無功功率。
15、以場景s0與場景s1之間的距離為例，定義如下所示：
16、
17、式中，d(s0,s1)為場景s0與場景s1之間的距離；vi,0為場景s0節點i的電壓幅值；vi,1為場景s1節點i的電壓幅值；θi,0為場景s0節點i的電壓相角；θi,1為場景s1節點i的電壓相角；pgi,0為場景s0節點i的發電機有功功率；pgi,1為場景s1節點i的發電機有功功率；qgi,0為場景s0節點i的發電機無功功率；qgi,1為場景s1節點i的發電機無功功率；pli,0為場景s0節點i的負荷有功功率；pli,1為場景s1點i的負荷有功功率；qli,0為場景s0節點i的負荷無功功率；qli,1為場景s1節點i的負荷無功功率。
18、如果兩個場景之間的距離非常小，則認為這兩個場景的相似度最高。取d(·)的倒數d(·)-1作為s1的權值，來擬合場景s0。
19、所述步驟2中，通過計算暫態電壓穩定指標tvsi，將多個樣本劃分為不穩定、穩定和具有故障誘導電壓延遲恢復現象的穩定，分別用數字0、1和2標記。
20、通過暫態電壓穩定指標tvsi來對樣本進行分類的，如下所示：
21、
22、式中，n為系統節點數；t為電壓恢復時間；tcr為故障切除時間；tvdij,t為t時刻節點i的暫態電壓偏移指數。
23、暫態電壓穩定指標tvsi中的暫態電壓偏差指數(transient?voltage?deviationindex，tvdi)可以表示為：
24、
25、式中，vj,t為節點j在t時刻測量到的電壓幅值；vj,0為節點j的故障前電壓幅值；α取為10％，是不可接受電壓偏差幅度的閾值。利用暫態電壓穩定指標tvsi對整個系統采集樣本的暫態電壓穩定性進行評價，分別賦予0、1和2三類標簽。
26、仿真過程中，所有母線節點電壓變化軌跡在大于3秒的穩定時間內保持不低于故障前電壓的樣本被標記為穩定；進一步地，通過評估該穩定樣本的暫態電壓穩定指標tvsi對，將穩定樣本根據是否容易發生故障誘導電壓延遲恢復現象再次分類，將tvsi>4的穩定樣本標記為具有故障誘導電壓延遲恢復現象的穩定樣本，其他為穩定樣本；仿真過程持續5s，對于母線電壓變化軌跡低于故障前電壓的樣本被分類為不穩定。
27、所述步驟3中，離線訓練長短期記憶網絡lstm模型，通過學習擾動后系統動力學的時間依賴性，建立基于lstm的電力系統暫態電壓穩定評估模型，具體步驟如下：首先，進行數據準備，收集并預處理數據，將數據劃分為訓練集和測試集；其次，構建lstm模型，定義輸入層、一個或多個lstm層及全連接層等，每個lstm層由多個lstm單元組成并使用訓練數據集進行訓練；然后，進行模型評估，在獨立的訓練集或測試集上評估模型性能；最后，根據評估結果調整本文檔來自技高網...
【技術保護點】
1.基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，其特征在于包括以下步驟：
2.根據權利要求1所述基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，其特征在于：所述步驟1中，針對新能源發電并網的情況，建立一個包含大量歷史仿真結果信息的初始數據庫，該數據庫中包括發電機有功功率、發電機無功功率、負荷有功功率、負荷無功功率、電壓幅值及相角數據；之后，通過數據庫擬合當前系統的運行場景，其中建立的運行場景包括故障線路、故障位置、故障持續時間、故障類型參數，構建多個場景進行測試。
3.根據權利要求2所述基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，其特征在于：步驟1中，為了適應特定的操作場景，對操作場景之間的距離進行相應定義：
4.根據權利要求1所述基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，其特征在于：所述步驟2中，通過計算暫態電壓穩定指標TVSI，將多個樣本劃分為不穩定、穩定和具有故障誘導電壓延遲恢復現象的穩定，分別用數字0、1和2標記；
5.根據權利要求4所述基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方
6.根據權利要求1所述基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，其特征在于：所述步驟3中，離線訓練長短期記憶網絡LSTM模型，通過學習擾動后系統動力學的時間依賴性，建立基于LSTM的電力系統暫態電壓穩定評估模型，具體步驟如下：首先，進行數據準備，收集并預處理數據，將數據劃分為訓練集和測試集；其次，構建LSTM模型，定義輸入層、一個或多個LSTM層及全連接層等，每個LSTM層由多個LSTM單元組成并使用訓練數據集進行訓練；然后，進行模型評估，在獨立的訓練集或測試集上評估模型性能；最后，根據評估結果調整模型結構或參數。
7.根據權利要求6所述基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，其特征在于：LSTM模型的遺忘門、輸入門和輸出門的具體工作原理如下所示：
8.根據權利要求7所述基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，其特征在于：基于LSTM的電力系統暫態電壓穩定評估模型由輸入層、LSTM層、全連接層、softmax層和輸出層組成，該評估模型中，輸入輸入層的是發生故障后采集到的系統動態測量量；LSTM層用于捕獲時序數據間潛在的時間依賴性，利用LSTM模型的內部記憶，采用的門控機制按時間順序處理輸入；整個過程中全連接層發揮的是降維的功能，并在該層上實現數據丟棄，以防止模型發生過擬合的問題；
9.根據權利要求1所述基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，其特征在于：所述步驟4中，雙向遷移學習Bi-TL的學習包括以下步驟：
...【技術特征摘要】
1.基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，其特征在于包括以下步驟：
2.根據權利要求1所述基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，其特征在于：所述步驟1中，針對新能源發電并網的情況，建立一個包含大量歷史仿真結果信息的初始數據庫，該數據庫中包括發電機有功功率、發電機無功功率、負荷有功功率、負荷無功功率、電壓幅值及相角數據；之后，通過數據庫擬合當前系統的運行場景，其中建立的運行場景包括故障線路、故障位置、故障持續時間、故障類型參數，構建多個場景進行測試。
3.根據權利要求2所述基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，其特征在于：步驟1中，為了適應特定的操作場景，對操作場景之間的距離進行相應定義：
4.根據權利要求1所述基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，其特征在于：所述步驟2中，通過計算暫態電壓穩定指標tvsi，將多個樣本劃分為不穩定、穩定和具有故障誘導電壓延遲恢復現象的穩定，分別用數字0、1和2標記；
5.根據權利要求4所述基于雙向遷移學習的新能源并網系統暫態電壓穩定評估方法，其特征在于：仿真過程中，所有母線節點電壓變化軌跡在大于3秒的穩定時間內保持不低于故障前電壓的樣本被標記為穩定；進一步地，通過評估該穩定樣本的暫態電壓穩定指標tvsi對，將穩定樣本根據是否容易發生故障誘導電壓延遲恢復現象再次分類，將tvsi>4的穩定樣本標記為具有故障誘導電壓延遲恢復現象的穩定樣本，其他為穩定樣本；仿真過程持續5s，對于母線電壓變化軌跡低于故...
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。