[发明专利]一种基于半监督谱聚类的黑启动分区方法

说明书

本发明设计一种基于半监督谱聚类的黑启动分区方法，所述方法结合遗传算对待恢复机组进行分组，将分组结果作为成对约束条件改进谱聚类算法后制定黑启动分区恢复方法。所述方法首先无差别地对待黑启动系统中的节点和线路，将待分区启动的电力系统抽象为一个无向加权图；其次对系统进行分区前对各机组进行分组。以黑启动机组数目和负荷数目的最小值作为分组数目，建立最大化机组发电量、最小化机组恢复所用线路的恢复时间和电纳值之和的机组分组模型，并选用遗传算法求解该模型；最后将机组分组信息作为成对的约束条件修正邻接矩阵，将无监督的谱聚类改进成半监督谱聚类算法求解电力系统的分区模型。

技术领域

本发明涉及电力系统黑启动领域，具体的说是一种黑启动的分区方法。

背景技术

随着电网的不断发展建设，电网规模不断扩大，电源和负荷种类不断增多，电网的运行状态也越来越复杂多变，电力系统遭受大规模停电的概率也越来越大。一旦发生大停电事故，所造成的损失和影响随着时间的推移迅速加重，因此为了降低大停电事故的危害，除应在日常采取措施以尽量避免事故的发生，还应在事故未发生时制定好合理的紧急恢复预案。

黑启动恢复分为串行恢复和并行恢复。并行恢复是事先将电力系统分为几个独立的子系统，子系统独立的同时进行恢复，待各个独立子系统都恢复完成后投入各子系统间的主要线路实现全网络的分布。并行恢复具有明显的优势，能够有效地降低电力系统黑启动的失败率，同时相比串行恢复逐个接力恢复的措施，能够大大节约系统的恢复时间。

目前国内外研究的分区方法主要包括基于图的相关特性原理进行分区划分，借助于各类优化算法进行分区。其中优化算法使用得较多，常用的算法主要有遗传算法、谱聚类算法、K-Means谱聚类算法和改进标签传播算法等。不同的算法各有优缺点。遗传算法原理易理解，实现较简单，但是结果容易收敛于局部最优解；K-Means谱聚类算法计算量较大且聚类结果易受初始聚类中心分布的影响，初始聚类中心选择不合理，容易导致聚类结果不理想。应用谱聚类算法进行分区恢复的聚类效果不受样本空间的影响，计算量不大，但是若不考虑机组分组，无差别得将电力系统抽象成图进行分割以求得分区结果，将会出现各个分区内机组数目不合理的情况，可能出现某分区无黑启动电源。

发明内容

本发明的目的是针对黑启动分区恢复策略的不足，设计一种基于半监督谱聚类的黑启动分区方法，以保证分区结果的合理性。为了达到上述目的，本发明采用的技术方案是：

结合遗传算法，对待恢复机组进行分组，将分组结果作为成对约束条件修正谱聚类算法，制定黑启动分区恢复方法。首先不考虑电力系统电压等级和节点性质的区别，无差别地对待黑启动系统中的节点和线路，将待分区启动的电力系统抽象为一个无向加权图，将线路的电气距离作为和线路权重值相关的参数，根据图论的知识，利用Ncut割集切图方式建立电力系统的分区模型；其次为使得系统分区后机组分组最优，对系统进行分区前对各机组进行分组。以黑启动电源数作为分组数目，建立最大化机组发电量、最小化机组恢复所用线路的恢复时间和电纳值之和的机组分组模型，选用遗传算法求解该模型；最后将机组分组信息作为成对的约束条件修正谱聚类算法，将无监督的谱聚类改进成半监督谱聚类算法求解电力系统的分区模型。

一种基于半监督谱聚类的黑启动分区方法，所述方法包括以下步骤：

步骤1：不考虑节点和线路之间的差别，将待分区的电力系统抽象成无向加权图；

步骤2：计算图中各个节点之间线路的权重值，求得邻接矩阵W和度矩阵D；

步骤3：建立机组分组模型，以保证机组分组合理，使机组总发电量最大化和恢复线路总电纳最小化，利用遗传算法求解；

步骤4：根据得到的机组分区信息修改W矩阵；

步骤5：计算拉普拉斯矩阵L；

步骤6：构建标准化的拉普拉斯矩阵；