[发明专利]一种电力系统暂态稳定评估方法

说明书

本发明公开一种电力系统暂态稳定评估方法，包括：步骤S1，通过离线仿真获得的发电机的短期扰动轨迹建立初始样本集，并将初始样本集随机分为训练集和测试集；步骤S2，将训练集输入胶囊神经网络，将其中每一电气量以区域排列，并按照发电机在故障初期的受扰程度进行排序，分别设置不同的网络参数，以综合指标为依据，训练得到最优的胶囊神经网络；步骤S3，使用训练好的最优的胶囊神经网络对测试集样本进行在线暂态稳定性评估。本发明可以实现暂态稳定性的快速预测，具有“快速测量、快速分辨率、快速控制”等优点。

技术领域

本发明涉及智能电网技术领域，尤其涉及一种电力系统暂态稳定评估方法。

背景技术

随着电力系统的高速发展，电网规模不断扩大、各种输电方式及新能源技术的应用使得电网结构和运行工况愈加复杂，导致电力系统的安全稳定运行面临更多的风险。现代电力系统是一个高维非线性系统，故障过程发展十分迅速，单纯依靠调度员的经验很难在短时间内做出有效正确的判断。目前常用的传统分析方法有直接法和时域仿真法，前者在稳定性估计上较为保守，不能满足大型网络应用的需要。后者模型较为复杂，计算速度较慢，不能满足快速性的要求。因此，如何在电力系统发生故障时准确快速地做出暂态稳定性的判断，是当前电网需要解决的问题。目前，人工智能方法结合时域仿真获得了越来越多的研究和关注，该方法从仿真数据中构建原始样本，离线训练模型建立原始数据集和暂态稳定之间的映射关系，从而达到电力系统暂态稳定评估的目的，这种方法具有耗时短、精度高的优点，被广泛应用于暂态稳定评估。

目前主要采用人工神经网络(Artificial Neural Networks，ANN)、支持向量机(Support Vector Machines，SVM)、决策树(Decision Tree，DT)等浅层学习模型进行暂态稳定评估。然而，由于浅层学习的结构限制，模型对输入数据的特征表达能力有限，求解高维数据分类问题时泛化能力受到制约。

发明内容

本发明所要解决的技术问题在于，提出一种电力系统暂态稳定评估方法，以有效减少运算时间和提高精度，实现对高复杂性、多变性、随机性电网的紧急预测。

为了解决上述技术问题，本发明提供一种电力系统暂态稳定评估方法，包括：

步骤S1，通过离线仿真获得的发电机的短期扰动轨迹建立初始样本集，并将初始样本集随机分为训练集和测试集；

步骤S2，将训练集输入胶囊神经网络，将其中每一电气量以区域排列，并按照发电机在故障初期的受扰程度进行排序，分别设置不同的网络参数，以综合指标为依据，训练得到最优的胶囊神经网络；

步骤S3，使用训练好的最优的胶囊神经网络对测试集样本进行在线暂态稳定性评估。

进一步地，所述步骤S1中，以在线路两端设置三相短路接地故障，故障后移除线路，进行仿真。

进一步地，所述步骤S1中，选取故障切除后转子角速度和转子角度的短期扰动轨迹建立初始样本集。

进一步地，所述步骤S2具体为：通过对故障切除后转子角速度和转子角度的短期扰动轨迹在时间上累积效应的非线性学习，经过逐层局部学习和提取，将输入的短期扰动轨迹映射成为隐含相对角度差和相对角速度差信息的高阶特征，并与暂态稳定性建立映射关系。

进一步地，所述步骤S2中，将全部发电机的转子角度和转子角速度分别构成一个特征区域，得到2个区域；再根据发电机在故障初期的受扰程度进行排序，得到胶囊神经网络的输入特征排列。

进一步地，根据所述输入特征排列，以正确率最高、函数最小为综合指标，确定网络参数的卷积核大小、迭代次数和批处理数量。

进一步地，通过发电机之间的相对转子角差是否大于360°来确定系统的稳定性：

Δδ_i-Δδ_j360°