[发明专利]一种对电力系统快速判稳模型进行有效性验证的方法及系统

说明书

本发明公开了一种对电力系统快速判稳模型进行有效性验证的方法及系统，其中方法包括：按预定的时间间隔采集区域电网中所有发电机组的有功功率作为测试的输入数据，将稳定指标作为测试的输出数据；对所述输入数据进行归一化处理并对归一化处理后的所述输入数据进行主成分分析，求出所述输入数据的特征值及对应的特征向量；将所述特征向量生成矩阵；将包括所述特征量的矩阵及所述稳定指标进行非均匀离散傅里叶变换；生成所述特征量与所述稳定指标之间的幅频特性曲线。

技术领域

本发明涉及电力系统暂态稳定性综合应用技术领域，更具体地，涉及一种对电力系统快速判稳模型进行有效性验证的方法及系统。

背景技术

随着特高压技术的发展，中国已经建成了超大规模的交直流混联电网。电力系统的特征正面临着极大的变化，需要对稳定性分析和控制技术进行改进，以满足新的要求。在中国，动态安全评估(DSA)已广泛应用于省级以上的调度系统，显着提升了调度员对电力系统运行状态的感知和掌握能力。DSA将每5到15分钟进行一次全面的安全性分析，其中包括1000多个预定义故障的暂态稳定性仿真，这需要极大的计算。然而，计算速度是DSA的主要性能指标之一，因为如果没有及时性，分析结果将变得毫无意义。由于计算量和速度相互矛盾，需要提出一些快速判断技术，能够以较小的计算成本计算稳定性指标，以及只选择真正危险的故障进行仿真。基于在线数据和仿真结果，已有深度学习模型运用于暂态稳定性临界切除时间的快速判断。通过对国家电网公司(SGCC)在线数据和不同的关键故障的仿真，验证了该方法的有效性，且满足在线分析系统的速度和精度要求，特别适用于小样本集。但是，仅依靠个例的精度并不能说明深度模型完全适应电网稳定性分析问题，没有充分的有效性的证明，快速判稳模型也很难投入实际应用。

最近，深度神经网络在训练过程种呈现的频率特性被观察到，并已证明该现象在各种深度神经网络中具有普遍性。电力系统暂态稳定问题中设计的输入输出之间的映射关系是否呈现出低频占优的特性，直接关系到深度模型在该问题中的有效性。

因此，需要一种技术，以实现对电力系统快速判稳模型进行有效性验证的技术

发明内容

本发明技术方案提供一种对电力系统快速判稳模型进行有效性验证的方法及系统，以解决如何对电力系统快速判稳模型进行有效性进行验证的问题。

为了解决上述问题，本发明提供了一种对电力系统快速判稳模型进行有效性验证的方法，所述方法包括：

按预定的时间间隔采集区域电网中所有发电机组的有功功率作为测试的输入数据，将稳定指标作为测试的输出数据；

对所述输入数据进行归一化处理并对归一化处理后的所述输入数据进行主成分分析，求出所述输入数据的特征值及对应的特征向量；将所述特征向量生成矩阵；

将包括所述特征量的矩阵及所述稳定指标进行非均匀离散傅里叶变换；

生成所述特征量与所述稳定指标之间的幅频特性曲线。

优选地，所述将所述特征向量生成矩阵，还包括：

将所述特征向量按对应的特征值大小从上到下按行排列成矩阵。

优选地，还包括：根据所述特征量与所述稳定指标之间的幅频特性曲线，判断是否满足低频占优特性。

优选地，还包括：所述预定的时间间隔为5分钟。

优选地，还包括：所述预定的时间间隔为15分钟。

基于本发明的另一方面，提供一种对电力系统快速判稳模型进行有效性验证的系统，所述系统包括：

采集单元，用于按预订的时间间隔采集区域电网中所有发电机组的有功功率作为测试的输入数据，将稳定指标作为测试的输出数据；