[发明专利]一种适用于大电网运行的暂态稳定评估方法及系统

说明书

本发明公开了一种适用于大电网运行的暂态稳定评估方法及系统，其方法包括：基于电网运行数据，通过动态调整负荷大小和发电出力形成不同的电力系统运行数据；基于电力系统运行数据形成N‑1故障集；调用时域仿真软件对所述N‑1故障集进行时域仿真，获取时域仿真结果；对时域仿真结果中的作为表征电力系统的状态量进行离散化处理；对进行离散化处理的状态量和时域仿真结果中的非作为表征电力系统的状态量采用深度树模型进行监督学习训练，得到暂态稳定判断模型；对所述暂态稳定判断模型进行测试，并根据测试结果进行超参数调整得到最佳模型。在本发明实施例中，通过基于深度树方法的暂态稳定判定方法，为大电网运行快速决策提供支持。

技术领域

本发明涉及电力系统技术领域，尤其涉及一种适用于大电网运行的暂态稳定评估方法及系统。

背景技术

电力系统暂态稳定评估长期以来都是根据专家的经验，并结合大量的时域仿真稳定计算，计算量大、耗时长，不适合大规模电力系统且需要快速作出决策时，难快速和周全的分析系统特性而给出决策。

现有技术中有基于时域仿真的方法，也有基于神经网络的深度学习方法。基于时域仿真的方法能适应各种复杂的模型，并且计算的结果准确性较高，缺点是计算量大，速度慢。基于时域仿真的预想事故分析，其中的一种方案是使用时域仿真扫描所有预想事故的临界切除时间，这种方案虽然能够保证分析结果的正确性和完全性，由于计算时间长尚且无法在线应用。利用时域仿真的方法求取事故的临界切除时间通常采用折半查找的处理方式，但仍然需要5到6次甚至更多的仿真次数，时间成本比较大。基于神经网络的深度学习方法目前应用的不是很多，主要缺点在于，它需要很多样本进行训练才能得到好的效果，因此训练代价比较大；而且神经网络很多时候在缺乏合适的解释性工具的时候对外界表现就是一个黑箱，难以解释其输出。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种适用于大电网运行的暂态稳定评估方法及系统，通过基于深度树方法的暂态稳定判定方法，为大电网运行快速决策提供支持。

为了解决上述技术问题，本发明实施例提供了一种适用于大电网运行的暂态稳定评估方法，所述方法包括以下步骤：

基于电网运行数据，通过动态调整负荷大小和发电出力形成不同的电力系统运行数据；

基于电力系统运行数据形成N-1故障集；

调用时域仿真软件对所述N-1故障集进行时域仿真，获取时域仿真结果；

对时域仿真结果中的作为表征电力系统的状态量进行离散化处理；

对进行离散化处理的状态量和时域仿真结果中的非作为表征电力系统的状态量采用深度树模型进行监督学习训练，得到暂态稳定判断模型；

对所述暂态稳定判断模型进行测试，并根据测试结果进行超参数调整得到最佳模型。

所述调用时域仿真软件对所述N-1故障集进行时域仿真，获取时域仿真结果包括：

调用PSD-BPA对所述N-1故障集进行时域仿真，获取PSD-BPA下的时域仿真结果。

所述调用时域仿真软件对所述N-1故障集进行时域仿真，获取时域仿真结果中还包括：

根据稳定判定导则，判定时域仿真结果的稳定性。

所述作为表征电力系统的状态量包括：支路功率、母线电压、发电机出力。

所述对时域仿真结果中的作为表征电力系统的状态量进行离散化处理包括：

提取时域仿真结果中的作为表征电力系统的状态量；

采用离散化算法对所述作为表征电力系统的状态量进行离散化处理。

所述对时域仿真结果中的作为表征电力系统的状态量进行离散化处理包括：