[发明专利]一种嵌入深度信念网络的电力系统暂态稳定预防控制方法

说明书

本发明涉及电力系统自动化技术领域的技术领域，目的是提供一种嵌入深度信念网络的电力系统暂态稳定预防控制方法，包括以下步骤，S1：确定发电机有功出力波动范围、负荷波动范围，生成N个发电机有功出力样本，获取大量初始状态数据，对初始状态数据进行时域仿真计算，生成样本数据；S2：建立深度信念网络，使用样本数据训练深度信念网络，对发电机有功出力和系统暂态稳定性进行拟合，生成电力系统暂态稳定评估器；S3：基于暂态稳定约束条件，为NSGA‑II算法添加成本约束、潮流约束和稳定运行约束，搭建NSGA‑II进化算法模型；S4：获取故障下暂态失稳的发电机出力波动范围、负荷波动范围，NSGA‑II进化算法模型迭代寻优，求取预防控制策略。

技术领域

本发明属于电力系统自动化技术领域，具体涉及一种嵌入深度信念网络的电力系统暂态稳定预防控制方法。

背景技术

随着电力系统规模日益增大，网络结构更加复杂，系统运行点越来越靠近稳定极限，对电力系统稳定性预防控制要求也越来越高。暂态失稳往往是造成电力系统大规模事故的主要原因，有效的电力系统暂态稳定评估以及事故预防措施是解决此问题的关键。传统暂态稳定计算通常采用时域仿真加适当判据的方法，拥有计算准确、可靠性高的优点，但模型中含有非线性微分代数方程，计算复杂，运算时间长，难以满足在线计算的要求。深度学习模型拥有特征自动提取、抽象能力强、收敛性好的优点，其网络结构更深，更有利于发现数据内在规律，因此被用于电力系统暂态稳定评估。预防控制是指在系统发生故障前，通过对当前系统状态识别，提前发现系统潜在故障风险，并通过调节发电机出力，改变负荷大小的方式将系统调节到故障后仍可稳定运行的状态。将预防控制与暂态稳定结合，提出暂态稳定预防控制，保证系统运行在满足暂态稳定要求的状态。

发明内容

本发明目的在于提供一种嵌入深度信念网络的电力系统暂态稳定预防控制方法，将深度信念网络和NSGA-II引入暂态稳定预防控制中，实现了针对故障的暂态稳定预防控制优化策略的快速、稳定求取。

为实现上述目的，本发明所采用的技术方案是：一种嵌入深度信念网络的电力系统暂态稳定预防控制方法，包括以下步骤：

S1：确定发电机有功出力波动范围、负荷波动范围，生成N个发电机有功出力样本，获取大量初始状态数据，对初始状态数据进行时域仿真计算，生成样本数据，执行S2；

S2：建立深度信念网络，使用样本数据训练深度信念网络，对发电机有功出力和系统暂态稳定性进行拟合，生成电力系统暂态稳定评估器，将电力系统暂态稳定评估器嵌入非支配排序遗传算法NSGA-II中，作为暂态稳定约束条件，执行S3；

S3：基于暂态稳定约束条件，为NSGA-II算法添加成本约束、潮流约束和稳定运行约束，搭建NSGA-II进化算法模型，执行S4；

S4：获取故障下暂态失稳的发电机出力波动范围、负荷波动范围，NSGA-II进化算法模型迭代寻优，求取预防控制策略。

优选的，所述S1中采用拉丁超立方抽样算法根据发电机有功出力波动范围、负荷波动范围获取N个发电机有功出力样本。

优选的，所述S1生成样本数据包括以下步骤，

S11：选取系统中M条线路作为预想故障集，每次时域仿真计算选择其中一条线路作为故障线路，所述故障线路的故障类型为三相短路故障，执行S12；

S12：将预想故障集中M条故障线路和N个发电机有功出力样本两两组合，生成M*N种暂态稳定仿真初始条件，执行S13；

S13：对M*N种暂态稳定仿真初始条件进行时域仿真计算，求取发电机的功角曲线，并计算M*N个暂态稳定系数TSI，每个发电机有功出力对应M个TSI，执行S14；

S14：选择M个TSI中最小的TSI与对应的发电机有功出力组合成一个训练深度信念网络的样本数据，共生成N个样本数据。