[发明专利]具备高可信度的电力系统暂态稳定智能化评估系统及方法

说明书

本发明公开了一种具备高可信度的电力系统暂态稳定智能化评估系统及方法，包括如下步骤：基于NGBoost集成学习模型构建暂态稳定分类器；利用暂态稳定数据集对暂态稳定分类器进行迭代训练，建立暂态稳定评估模型；采用暂态稳定评估模型对电力系统的暂态稳定状态进行在线评估，输出暂态稳定评估结果及其可信度；将暂态稳定评估结果的可信度与可信度阈值进行比较，若暂态稳定评估结果的可信度大于可信度阈值认为暂态稳定评估结果可信，否则，采集下一工频周期的数据重新进行评估。本发明利用暂态稳定评估模型可以实现对电力系统运行状态的时序评估，在较短的评估周期内便可得到海量样本的高可信度评估结果，方便调度员基于可信的评估结果，快速把握电力系统暂态稳定水平。

技术领域

本发明属于电力系统安全技术领域，具体涉及一种具备高可信度的电力系统暂态稳定智能化评估系统及方法。

背景技术

随着我国交直流混联规模不断扩大，风电、光伏等间歇性新能源大规模并网，以及电力电子装置的广泛应用，系统运行方式多样化，运行机理愈加复杂，给电力系统安全稳定分析与控制带来了巨大挑战。暂态稳定破坏往往会引发大规模停电事故，在故障后快速、准确对系统稳定性做出预判，为后续稳定控制提供依据，具有重要意义。

传统的暂态稳定分析方法包括时域仿真法和直接法。时域仿真方法用一组非线性微分代数方程描述电力系统，并通过数值积分方法求解这些方程。由于求解非线性方程涉及的计算量大，导致运算时间长，无法满足暂态稳定在线评估对快速性的要求。直接法是一种基于能量观点的暂态稳定性分析方法，由于在实际大电网中需要对模型进行大量的简化，计算结果过于保守，且计算精度低。

近年来，人工智能技术的理论日渐成熟，引起了相关学者的关注，在研究领域大量人工技能技术被运用于暂态稳定评估，例如BP神经网络、支持向量机、深度置信网络、卷积神经网络等。值得注意的是，已有研究往往关注于算法的应用和性能的提升。然而，随着新能源接入比例持续的攀升，电力系统时变特性凸显。此时，基于人工智能技术对电网暂态稳定性进行评估，无法对模型的评估结果有绝对的信任。因此，在进行暂态稳定评估时，除了获取暂态稳定评估结果，更希望得到评估结果的可信度，以帮助调度员制定控制措施。

发明内容

针对传统暂态稳定分析方法运算时间长、计算精度低，基于人工智能技术的评估方法无法对评估结果进行可信度评价的问题，本发明提出了一种具备高可信度的电力系统暂态稳定智能化评估系统及方法，可以实现事故下的输入数据与输出暂态稳定结果的非线性映射，提高模型的泛化能力并实现可信度评价。

为解决以上技术问题，本发明所采用的技术方案如下：

一种具备高可信度的电力系统暂态稳定智能化评估方法，包括如下步骤：

S1，基于NGBoost集成学习模型构建暂态稳定分类器；

S2，利用暂态稳定数据集对暂态稳定分类器进行迭代训练，建立暂态稳定评估模型；

S3，采用暂态稳定评估模型对电力系统的暂态稳定状态进行在线评估，输出暂态稳定评估结果及对应的可信度；

S4，将暂态稳定评估结果的可信度与可信度阈值进行比较，若暂态稳定评估结果的可信度大于可信度阈值认为暂态稳定评估结果可信，否则，返回步骤S3采集下一工频周期的数据重新进行评估。

在步骤S2中，所述建立暂态稳定评估模型包括如下步骤：

S21，基于电力系统历史数据和时预仿真数据建立暂态稳定数据集，所述暂态稳定数据集包括输入数据和输出数据；

S22，通过主成分分析法将高维度的输入数据压缩至低维，建立新的暂态稳定数据集；

S23，将新的暂态稳定数据集随机划分为训练数据集和验证数据集；

S24，利用训练数据集对暂态稳定分类器进行迭代训练建立暂态稳定评估模型；