[发明专利]基于人工智能的暂态功角稳定裕度计算方法及系统

说明书

本发明公开了一种基于人工智能的暂态功角稳定裕度计算方法及系统，根据负荷总有功、各回直流功率和暂态功角稳定裕度及主导模式对样本集中方式进行分组，选出组内稳定模态差异指标最小的方式作为中心方式；基于中心方式估算组内方式的稳定裕度，优化估算参数，将满足估算精度的方式占比高的中心方式作为稳定裕度计算模型的基准方式，通过细分样本集中方式，生成稳定裕度计算模型的所有基准方式；将方式差异指标小的基准方式作为样本集中方式稳定裕度计算的有效基准方式，计及方式差异指标，对基于有效基准方式的稳定裕度估算值加权平均，作为样本集中方式稳定裕度计算值，采用通过验证的稳定裕度计算模型计算新方式的稳定裕度。

技术领域

本发明涉及一种基于人工智能的暂态功角稳定裕度计算方法及系统，属于电网安全稳定分析技术领域。

背景技术

随着电网规模增大、新能源装机占比提高和直流输电等柔性设备的逐渐应用以及用电侧负荷种类多样化和特性复杂化，电网的暂态功角稳定特性愈来愈复杂；随着电力市场和综合能源服务的推进，电网的运行状态更加灵活多变。电网运行方式分析人员凭经验确定若干个电网典型运行方式和故障集，基于电网典型运行方式下故障集中各个故障的时域仿真分析确定若干个暂态功角稳定输电断面，以输电断面有功限额来指导电网运行，其精度和可靠性严重依赖电网运行方式人员的经验。

大电网实际运行状态千变万化，故障集成千上万，即使不考虑时域仿真的计算量和人工分析的工作量，也无法通过穷举电网运行状态进行计算分析以指导电网运行。即使采用在线暂态功角稳定评估手段，也会由于大电网故障集规模过大，目前还无法在1分钟内完成基于时域仿真的在线暂态功角稳定评估，需要引入人工智能方法提高暂态功角稳定评估的速度。

现有融入人工智能的暂态功角稳定评估方法分为两类，一类是根据经验设置特征量，通过构建以特征量为输入、暂态功角稳定是否失稳或暂态功角稳定裕度等信息为输出的机器学习模型，对于新的电网运行方式，直接将新方式下特征量的取值代入模型直接得到新方式的暂态功角稳定是否失稳或暂态功角稳定裕度等信息。这类方法仍然依赖人工经验设置特征量且模型可解释性差、计算结果误差难以控制。另一类是根据暂态功角稳定主导模式和暂态功角稳定裕度线性估算误差是否满足要求对初始样本进行聚类，选取暂态功角稳定主导模式中参与因子大于设定值的发电机状态量，再结合人工经验设置其它特征量，针对各类样本分别构建机器学习模型。相对于前一类方法其实用性有了一定的提升，但仍然存在依赖人工经验设置特征量、模型可解释性差和计算结果误差难以控制的缺点。

发明内容

为了解决上述问题，本发明提供了一种基于人工智能的暂态功角稳定裕度计算方法及系统，解决了依赖人工经验设置特征量、模型可解释性差和计算结果误差难以控制的问题。

本发明所采用的技术方案是：一种基于人工智能的暂态功角稳定裕度计算方法，包括，

根据负荷总有功分档参数、各回直流功率分档参数和暂态功角稳定裕度分档参数分别对负荷总有功区间、各回直流功率区间和预想故障F的暂态功角稳定裕度区间进行分档，得到负荷总有功档位区间、各回直流功率档位区间和F的暂态功角稳定裕度档位区间，并对样本集S中所有运行方式进行分组，得到各个运行方式组；所述样本由电网运行方式及电网运行方式下若干预想故障的暂态功角稳定量化评估结果构成；

针对各个运行方式组，分别将与运行方式组内其它运行方式之间的稳定模态差异指标之和最小的运行方式作为运行方式组的中心方式，并将运行方式组对应的F的暂态功角稳定主导模式领前群发电机交集G与中心方式关联；