[发明专利]电网低频振荡预测方法及装置

说明书

本发明实施例提供一种电网低频振荡预测方法及装置，所述方法包括：获取电网潮流数据；将所述电网潮流数据，输入至深度学习模型，输出系统的主导模式阻尼比；其中，所述深度学习模型是基于电网潮流数据样本以及电网潮流数据样本对应的主导模式阻尼比标记进行训练后得到；基于所述主导模式阻尼比确定电网是否出现低频振荡。本发明实施例提供的电网低频振荡预测方法及装置，利用基于深度学习的电网低频振荡预测方法，能够有效提高低频振荡模式的阻尼比，从而防止电网发生低频振荡事故。

技术领域

本发明涉及电力系统技术领域，尤其涉及一种电网低频振荡预测方法及装置。

背景技术

在电力系统中，发电机通过输电线进行并列运行时，若受扰动，发电机转子间会发生相对摇摆，若系统中缺乏阻尼，则会引起持续振荡，与此同时，输电线上的功率潮流也会发生相应的振荡，振荡的频率很低，一般在0.1Hz到2.5Hz之间，因此被称为低频振荡(或者机电振荡)。若系统特征值λ_i满足其机电回路相关比ρ_i1且其对应的振荡频率在0.1～2.5Hz范围内，则λ_i及其共轭的特征值是系统的一个低频振荡模式。在线实时地对低频振荡模式进行辨识，能够随时地监测电力系统的运行状况，一旦出现危险模式，可以通过调整发电机出力提高低频振荡模式的阻尼，从而实现低频振荡的预防控制。

发明内容

本发明实施例提供一种电网低频振荡预测方法及装置，用于解决现有技术中的上述技术问题。

为了解决上述技术问题，一方面，本发明实施例提供一种电网低频振荡预测方法，包括：

获取电网潮流数据；

将所述电网潮流数据，输入至深度学习模型，输出系统的主导模式阻尼比；其中，所述深度学习模型是基于电网潮流数据样本以及电网潮流数据样本对应的主导模式阻尼比标记进行训练后得到；

基于所述主导模式阻尼比确定电网是否出现低频振荡。

进一步地，所述基于所述主导模式阻尼比确定电网是否出现低频振荡，具体包括：

若所述主导模式阻尼比大于预设的稳定阈值，则电网未出现低频振荡；

若所述主导模式阻尼比小于等于所述稳定阈值，则电网出现低频振荡。

进一步地，所述深度学习模型的训练步骤如下：

构建样本库，所述样本库中包含多个样本数据，每一样本数据均包含数据特征和阻尼比标记值；

利用样本数据对深度学习模型进行训练，生成训练精度达到预设要求的深度学习模型。

进一步地，所述基于所述主导模式阻尼比确定电网是否出现低频振荡之后，还包括：

若电网出现低频振荡，以发电机出力调节量最小为优化目标，采用梯度下降法求解预防控制优化模型，最终得到预防控制策略。

进一步地，所述深度学习模型为卷积神经网络模型。

另一方面，本发明实施例提供一种电网低频振荡预测装置，包括：

获取模块，用于获取电网潮流数据；

输出模块，用于将所述电网潮流数据，输入至深度学习模型，输出系统的主导模式阻尼比；其中，所述深度学习模型是基于电网潮流数据样本以及电网潮流数据样本对应的主导模式阻尼比标记进行训练后得到；

判断模块，用于基于所述主导模式阻尼比确定电网是否出现低频振荡。

进一步地，所述基于所述主导模式阻尼比确定电网是否出现低频振荡，具体包括：

若所述主导模式阻尼比大于预设的稳定阈值，则电网未出现低频振荡；