[发明专利]一种用于电力系统暂态稳定预测的样本生成方法

说明书

本发明涉及一种用于电力系统暂态稳定预测的样本生成方法，属于电力系统稳定分析技术领域。本发明采用规则提取的方法构建运行工况、故障与电力系统暂态稳定性之间的关联规则，当有新样本生成时，可以增量地更新失稳规则，有效地指导时域仿真得到更多失稳样本，得到稳定与失稳类别相对均衡的样本集，避免因失稳样本过少而导致数据驱动方法对失稳样本的欠学习，提高基于数据驱动的暂态稳定预测方法的应用效能。

技术领域

本发明涉及一种用于电力系统暂态稳定预测的样本生成方法，属于电力系统稳定分析技术领域。

背景技术

暂态稳定性破坏是电力系统发生大规模停电事故的重要原因，如何快速准确判断系统的暂态稳定性是电力系统安全防控要考虑的主要问题之一。近年来，数据驱动方法凭借其学习能力强、计算速度快、能挖掘数据潜在有用信息等特点，受到国内外学者的广泛关注，已经被用于电力系统暂态稳定分析。基于数据驱动的暂态稳定预测一般将暂态稳定预测问题当作一个模式二分类问题来处理，即系统的运行状态被分为稳定和不稳定两类；通过选择一组合适的特征来描述系统状态，采样电力系统在不同运行工况下的特征数据样本，建立一个高维的输入空间；然后，采用一种合适的分类方法对样本进行分类。

利用数据驱动方法进行暂态稳定预测时，如果感兴趣的失稳类只有少量，而大多数样本都为稳定类，则该数据是类别不均衡的。实际电网运行时失稳情况总是占少数，即存在数据类不均衡问题。一旦将失稳样本漏判为稳定而未采取任何措施，将导致灾难性后果。在样本生成阶段，如何主动地指导时域仿真生成更多失稳样本，得到相对均衡的样本集，避免因失稳样本过少而导致数据驱动方法对失稳样本的欠学习，是一个亟待解决的问题。

发明内容

本发明的目的是提出一种用于电力系统暂态稳定预测的样本生成方法，针对实际电网数据普遍存在失稳样本少的类别不均衡问题，本发明通过规则提取方法得到失稳规则，根据失稳规则指导时域仿真主动地生成更多失稳样本，进而得到类别均衡的样本集，提高基于数据驱动的暂态稳定预测方法的应用性能。

本发明提出的用于电力系统暂态稳定预测的样本生成方法，包括以下步骤：

(1)对一个具有N台发电机的电力系统，根据电力系统历史运行情况设置s种运行工况，利用时域仿真法对s种运行工况下的f个预想故障进行暂态稳定性计算，得到s×f 个仿真样本，其中f为预想故障集中的故障个数，s为人为设定的运行工况数，在本发明的一个实施例中，设定s取值为50：

(1-1)设定N台发电机中包含一台平衡发电机，用下标r表示电力系统中除一台平衡发电机以外的非平衡发电机的编号，设第i台发电机的有功功率P_Gi和机端电压幅值V_Gi、第j个负荷节点的有功负荷P_Loadj和无功负荷Q_Loadj在电力系统运行上、下限值之间，即：

其中，n是电力系统的负荷节点数，P_Gi为第i台发电机有功功率的下限值，为第i台发电机有功功率的上限值，V_Gi为第i台发电机机端电压幅值的下限值，为第i台发电机机端电压幅值的上限值，P_Loadj为第j个负荷节点有功负荷的下限值，为第j个负荷节点有功负荷的上限值，Q_Loadj为第j个负荷节点无功负荷的下限值，为第j个负荷节点无功负荷的上限值；

(1-2)在上述步骤(1-1)中发电机有功功率、机端电压、有功负荷和无功负荷的上限值和下限值之间随机取值，得到所有非平衡发电机的有功功率P_Gr、所有发电机的机端电压V_Gi，以及所有节点的有功负荷P_Loadj和无功负荷Q_Loadj，作为一种运行工况的随机初值；