[发明专利]一种针对电力系统静态电压稳定评估的数据驱动方法

说明书

一种针对电力系统静态电压稳定评估的数据驱动方法，包括以下步骤：步骤一)：建立初始的数据集；步骤二)：构建特征选择框架，并利用此框架对初始样本集进行关键特征选择，建立由关键特征及相应的VSM构成的样本集；步骤三)：对随机比特森林进行训练及更新，形成基于RBF的电压稳定评估模型；步骤四)：基于同步相量测量单元与广域测量系统实时收集的电力系统运行数据，选择相应的特征，利用已训练的电压稳定评估模型完成实时电压稳定评估。本发明的目的是为了建立一种高效的特征选择框架及构建高精度、高适应性的电力系统静态稳定评估模型，从而提供一种针对电力系统静态电压稳定评估的数据驱动方法。

技术领域

本发明涉及电力系统静态电压稳定评估领域，具体涉及针对电力系统静态电压稳定评估的数据驱动方法。

背景技术

随着可再生能源的可持续发展以及现代电力系统的广域互联，电力系统的安全运行受到了全所未有的挑战。由于电压崩溃可能导致巨大的经济损失以及不利的社会影响，静态电压稳定评估的研究日益受到广泛关注。

通常静态电压稳定评估的研究用电压稳定裕度(Voltage Stability Margin，VSM)来衡量某个工作点离电压崩溃点的距离。在以往的研究中，主要分为两个角度：机理研究、数据驱动。其中基于机理研究且用于预测VSM的方法主要有灵敏度法、奇异值分解法、连续潮流法等。然而，由于现代电力系统日益复杂、非线性程度增加、规模愈加庞大。传统机理研究方法在大系统上的使用效果被大量的时间和计算资源损耗所制约，已无法保证对电力系统进行实时且有效的评估。

随着广域测量系统和同步相量测量装置的普及，海量的电力系统运行数据的收集愈加方便快捷，数据驱动方法的使用也日益广泛。基于数据驱动的方法主要有人工神经网络(Artificial Neural Network，ANN)、支持向量机(Support Vector Machine，SVM)及决策树(Decision Tree，DT)等。

然而，文献1(Y.Fan,S.Liu,L.Qin,H.Li,H.Qiu,Anovel online estimationscheme for static voltage stability margin based on relationshipsexplorationin a large data set,IEEE Trans Power Syst 30(3)(2014)1380–1393.)与文献2(B.Wang,B.Fang,Y.Wang,and Y.Liu,“Power system transient stabilityassessment based on big data and the core vector machine,”IEEE Trans.SmartGrid,7(5)(2016)2561-2570.)均指出ANN与SVM无法处理大量的样本数据，且文献1指出处理数据丢失情况对于DT也是个难题。同时，随着现代电力系统的运行规模逐步扩大，样本的输入空间也不可避免地急速增加，造成“维度诅咒”。

综上所述，目前的静态电压评估方法不能满足现代电力系统对电压稳定评估方法的高适应性、高精度的需求。

发明内容

本发明的目的是为了建立一种高效的特征选择框架及构建高精度、高适应性的电力系统静态稳定评估模型。

本发明的目的是这样实现的：

一种针对电力系统静态电压稳定评估的数据驱动方法，包括以下步骤：

步骤一)：基于电力系统历史运行数据，利用连续潮流法确定电压稳定极限，并构建电压稳定裕度(Voltage Stability Margin，VSM)指标，建立初始的数据集；

步骤二)：基于相关性探索工具，构建特征选择框架，并利用此框架对初始样本集进行关键特征选择，建立由关键特征及相应的VSM构成的样本集；