[发明专利]一种基于Pin-SVM的电力系统暂态稳定评估方法

权利要求书

1.一种基于Pin-SVM的电力系统暂态稳定评估方法，其特征在于，包括如下步骤：

1)构建原始特征集，包括：获取电力系统响应轨迹数据，选取蕴含电力系统暂态稳定状态的离线或在线的监测数据作为数据源，对数据源进行特征提取，确定电力系统指标和投影能量函数指标，通过最大相关最小冗余特征选择方法对电力系统指标和投影能量函数指标进行特征压缩，寻找对电网暂态变化敏感度高的电力系统特征子集，将样本数据按设定的比例分为训练样本数据和测试样本数据；

2)由训练样本数据训练电力系统的暂态稳定评估模型

基于Pin-SVM思想引入分位数改变电力系统稳定类与不稳定类之间的最近点位置，以训练样本数据作为Pin-SVM的输入，训练具有线性分类功能的Pin-SVM的数学模型表示如下：

式中，x_i为第i个样本的空间向量，x_i∈R_n，R_n为n维行向量，y_i为第i个样本的类别标志，y_i∈{-1,1}，m为样本总数，n为样本空间维数，m为样本个数，w为最优超平面的法向量，w^T为w的转置，b为最优超平面的偏差量，C为惩罚参数，L_τ为Pin-SVM的损失函数用下式表示：

式中，τ∈[01]是分位数，控制两类之间最近点的位置，u_i＝1-y_i<w,x_i>，

为将Pin-SVM数学模型应用到非线性分类问题中，特引入核函数K(x_i·x_j)：

K(x_i·x_j)＝φ(x_i)·φ(x_j) (3)

式中，φ是从R_n到Hilbert空间的映射，x_j为第j个样本的空间向量，将训练样本数据从低维空间映射到高维空间，进而将非线性分类问题转化为线性分类问题；

引入映射φ后的Pin-SVM数学模型为具有非线性分类功能的Pin-SVM数学模型：

在具有非线性分类功能的Pin-SVM数学模型中加入松弛变量ξ_i后的等效模型构成Pin-SVM电力系统暂态稳定评估模型如下：

3)采用步骤2)得到的Pin-SVM电力系统暂态稳定评估模型对用测试样本数据模拟的电力系统状态进行稳定性评估，针对实际电力系统的故障类型，依据电力系统特征子集相对于电力系统稳定类与不稳定类的隶属度将故障划归到相应的类，当分类为不稳定类，则认为该故障为严重故障；反之，则认为该故障为不严重故障；在故障筛选和稳定评估完成的同时得到评价指标。

2.根据权利要求1所述的基于Pin-SVM的电力系统暂态稳定评估方法，其特征在于，步骤1)所述的数据源包括：发电机三相电流和电流的幅值和角度，发电机有功、无功功率及励磁电压，变压器高低压侧电流和电压的幅值和相角，变压器各出线的功率。

3.根据权利要求1所述的基于Pin-SVM的电力系统暂态稳定评估方法，其特征在于，步骤1)所述的系统指标包括：故障初始时刻t₀所有发电机初始加速度的最大值、具有最大加速度发电机的初始角度和所有发电机初始加速功率的均值；单侧故障清除时刻t_cd和故障切除时刻t_cl系统冲击的大小、与惯性中心相差最大的发电机转子角度、具有最大转角发电机的动能、具有最大动能发电机的转子角度、所有发电机转子动能的最大值、所有发电机转子动能的平均值、发电机转子最大相对摇摆角以及与惯性中心相差最大的发电机角速度。

4.根据权利要求1所述的基于Pin-SVM的电力系统暂态稳定评估方法，其特征在于，步骤1)所述的投影能量函数指标包括：故障初始时刻t₀的投影能量函数角加速度，故障切除时刻t_cl的投影能量函数角速度、角加速度和投影动能。