[发明专利]一种交直流大电网暂态电压稳定评估方法及系统

权利要求书

1.一种交直流大电网暂态电压稳定评估方法，其特征是，包括以下步骤：

基于历史潮流数据构建训练样本集；将训练样本集的期望输出向量作为暂态电压稳定指标；

基于暂态电压稳定指标构建换流母线暂态电压稳定快速评估模型；

利用训练样本集对换流母线暂态电压稳定快速评估模型进行训练；

利用训练后的换流母线暂态电压稳定快速评估模型在线识别影响交直流电网暂态电压稳定的高风险运行场景；

所述构建训练样本集的过程为：

利用调度系统的历史运行方式，从交直流大电网历史潮流数据中获取负荷有功无功功率、发电机有功无功出力和关键输电线路潮流数据作为训练样本集的原始特征集；

确定调度系统的基本运行方式，在75%-125%基准负荷范围内等间距得到各节点负荷，并等比例得到发电机出力，获取相应的负荷有功无功功率、发电机有功无功出力和关键输电线路潮流数据作为训练样本集的原始特征集；

在换流母线附近的输电线路设置三相短路永久性跳闸故障，利用原始特征集对其进行时域仿真得到故障后换流母线电压二次跌落的最小值，作为期望输出向量。

2.根据权利要求1所述的一种交直流大电网暂态电压稳定评估方法，其特征是，所述构建流母线暂态电压稳定快速评估模型的过程为：将故障后换流母线电压二次跌落的最小值作为输出，以训练样本集的原始特征集作为输入，基于堆叠降噪自动编码器建立换流母线暂态电压稳定快速评估模型。

3.根据权利要求1所述的一种交直流大电网暂态电压稳定评估方法，其特征是，所述换流母线暂态电压稳定快速评估模型由堆叠降噪自动编码器和ADAM算法构成，所述堆叠降噪自动编码器用于特征抽取以获得原始特征的高阶特征表达，形成包含多隐含层的深度神经网络；所述ADAM用于优化深度神经网络的权重，深度神经网络的回归层采用反向传播的思想更新网络权重。

4.根据权利要求3所述的一种交直流大电网暂态电压稳定评估方法，其特征是，所述对换流母线暂态电压稳定快速评估模型进行训练的过程为：

将堆叠降噪自动编码器的每个隐藏层分解为一个独立的降噪自动编码器，使用所有训练样本进行逐层的无监督训练；

堆叠降噪自动编码器训练完成后，将其提取出的高阶特征作为新的样本特征，使用所有训练样本进行有监督训练；

根据上述训练结果暂态电压稳定指标，更新换流母线暂态电压稳定快速评估模型的权重。

5.根据权利要求1-4任意一项所述的一种交直流大电网暂态电压稳定评估方法，其特征是，所述在线识别影响交直流电网暂态电压稳定的高风险运行场景的过程为：

获取实时的调度系统运行方式，按照调度系统的负荷功率预测功能预测未来一段时间内的电网负荷有功无功，并按照调度计划获取负荷有功无功功率、发电机有功无功出力和关键输电线路潮流的实时数据，作为输入特征集；

将输入特征集输入训练后的换流母线暂态电压稳定快速评估模型，输出故障后换流母线电压二次跌落的最小值，记为；

针对不同的直流系统，确定不同的能够导致直流系统换相失败的阈值；

根据确定系统风险等级，进而识别出影响交直流暂态电压稳定的高风险运行场景。

6.根据权利要求5所述的一种交直流大电网暂态电压稳定评估方法，其特征是，还包括评估结果滚动更新步骤：

获取负荷功率预测数据和发电机出力计划信息，滚动更新相关的预测信息；

基于最新的预测信息生成待评估的未来态运行场景集合；

对于待评估的未来态运行场景应进行场景缩减；

利用训练后的换流母线暂态电压稳定快速评估模型对全部运行场景进行评估，得到评估结果；

对原有的评估结果进行滚动更新。