[发明专利]综合因果分析与机器学习的暂态功角稳定快速评估方法

说明书

本发明公开了一种综合因果分析与机器学习的暂态功角稳定快速评估方法，基于在线安全分析应用暂态稳定评估功能存储的历史数据，将历史运行方式样本划分成若干运行方式簇，暂态功角稳定裕度根据方式之间的差异用线性化公式描述，并提取电网关键特征量；以关键特征量作为输入量，以形成的历史运行方式簇分类情况作为输出量，构建深度学习模型并利用历史数据样本训练，建立起当前实时运行方式与历史运行方式之间的联系，估算当前实时运行方式的暂态功角稳定性；本发明能够在确保暂态功角稳定分析准确性的同时，有效地减少计算耗时，快速得出电网暂态功角稳定性的量化分析结果，有助于及时发现电网中存在的暂态运行风险，提升电网的安全运行水平。

技术领域

本发明涉及电力系统安全稳定分析技术领域，尤其涉及一种综合因果分析与机器学习的暂态功角稳定快速评估方法。

背景技术

为了保障电网尤其是特高压交直流混联电网的安全稳定运行，各级调度机构需要能够快速掌握电网的安全稳定运行情况，快速定位电网运行的风险点和风险程度，从而为电网的风险防范、控制决策提供依据。目前国内绝大部分的省级及以上电网调度控制机构建设了电网在线安全分析应用功能，该应用功能基于电网模型和实时运行方式数据，对电网运行状态进行周期性的分析计算，从静态、暂态、动态等多个方面综合评估电网的安全稳定性，并针对发现的安全稳定问题或安全稳定隐患进行辅助决策，向调度运行人员提供合理的调节方案建议。

暂态稳定分析是在线安全分析应用的关键功能，其核心是分析暂态功角是否失稳，目前主要采用时域仿真分析法或在时域仿真分析基础上的EEAC(Extended Equal-AreaCriterion)量化分析方法，基于对电网模型和实时运行方式数据进行严格的数值计算，得出电网的暂态稳定性结果。通常省级电网需计算的暂态稳定故障数为几百至上千个，为保证在5-10分钟内完成一次全网暂态稳定分析的计算速度要求，需要部署数百CPU核数的计算资源。随着电网网架规模的快速扩展，大量风电、光伏设备以及UPFC等各类新型设备的加入，计算复杂度将呈指数性上升趋势，所需的计算资源或计算耗时还将进一步增加。

与此同时，谷歌AlphaGo与国内外围棋顶尖高手的“人机大战”引爆了新一轮人工智能的热潮，各种关于人工智能的报道、评论及展望见诸报端和网络，让人们认识到了人工智能等新技术的巨大能量。机器学习是人工智能领域的一个分支，通过使计算机在大量历史数据中挖掘所需信息，并从中学习规律，进而智能识别新样本或预测未来，从而使计算机在未事先明确编程的情况下做出正确反应或判断。机器学习已经在自动驾驶汽车、实用语音识别、基因组认识等方面带来大量帮助。在电力系统领域，如何结合电力系统调度运行的需求，借助大数据及人工智能等新技术，为电力系统调度运行、分析决策提供了新的解决思路，成为电力系统分析决策领域研究的热点。

电力系统相关科研、产业机构结合大电网分析决策的实际需求，开展了电力系统大数据、人工智能的相关研究，取得了一定的成果。专利“基于历史数据的电力系统稳定性快速判断方法”(专利号：2015110301902)中，通过计算电网各状态量和电气量的统计量与故障临界切除时间的相关性，得出各故障下的特征量，再计算当前实时方式与历史方式特征量之间的度量距离，并根据度量距离采用K-最近邻算法，得出当前方式的稳定程度指标，用以判断当前时刻电网的稳定性。专利“一种基于在线历史数据的电力系统暂态稳定评估方法(专利号：2015108372153)”中，首先由人工初筛出若干静态状态量，再对所选的静态状态量进行压缩，得到电网特征量，在此基础上，对历史数据样本进行失稳样本的扩展和稳定样本的压缩，形成计算样本，并利用SVM算法进行分类模型训练和参数优化，形成分类模型，以此评估电网的暂态稳定性。上述方法取得了一定的效果，但对历史分析结果的应用不充分，采用纯粹的机器学习方法存在一定的盲目性，同时由人工筛选状态量的方法，对人员经验的依赖较大。

发明内容