[发明专利]一种协调电力系统稳定器与二级电压控制器参数优化方法

说明书

本发明提出一种协调电力系统稳定器与二级电压控制器参数优化方法，该方法将多层级与自适应深度、自适应宽度和自适应注意力网络相结合，用于协调二级电压控制器和电力系统稳定器的参数优化。首先，所提方法中的多层级主要用于将卷积神经网络中形成的相同结构不同维度的信息进行分组，提高运算效率。其次，所提方法中自适应深度、自适应宽度和自适应注意力主要用于根据输入输出参数的大小自适应改变三维参数的大小，并从不同维度出发，自适应地提升卷积神经网络的性能。最后，该方法可加速差分进化方法的协调二级电压控制器和电力系统稳定器参数的优化过程，避免低频振荡和电压崩溃的发生，提高系统的稳定性和鲁棒性。

技术领域

本发明属于电力系统参数优化领域，涉及一种基于人工智能技术的优化方法，适用于电力系统或综合能源系统的控制器参数优化问题。

背景技术

随着电力系统规模加大，不确定性和复杂性加剧，如何保障电力系统稳定性仍是目前迫切需要解决的难题之一，电力系统稳定器和二级电压控制器在保障电网安全稳定运行方面起到巨大的作用。因此，研究协调电力系统稳定器与二级电压控制器的参数优化意义重大。

电力系统具有极快的暂态过程，若系统在受到外界干扰后失去稳定，会造成发生低频振荡和电压崩溃等情况的发生，如何在复杂的电力系统中合理地设置控制参数才能满足系统稳定运行的要求，这是一个典型的优化配置问题。因此，采用差分进化方法来搜索电力系统稳定和二级电压控制的最优控制参数。从网络结构的角度出发，可以从三维参数：深度、宽度和注意力等方面来提升卷积神经网络的性能，但是卷积神经网络的深度、宽度和注意力参数一旦设置好不易修改，而自适应深度、自适应宽度和自适应注意力可以根据输入输出参数的大小自适应地改变三维参数的大小；为了提高运行效率，本发明将多层级概念应用到卷积神经网络中，多层级可以将卷积神经网络中相同结构不同维度的信息进行分组，并挑选出部分组数据进行计算。

多层级可以突出重要的信息，抑制非重要的信息，即多层级可以将卷积神经网络中相同结构不同维度的信息进行分组；自适应深度、自适应宽度和自适应注意力可以依据输入输出参数的大小自适应改变三维参数的大小。因此，本发明将多层级与自适应深度、自适应宽度和自适应注意力相结合。所提方法利用多层级对不同维度的信息进行分组并利用自适应深度、自适应宽度和自适应注意力自适应改变三维参数的特点加速差分进化方法在协调电力系统稳定器与二级电压控制器参数优化过程。

发明内容

本发明提出一种协调电力系统稳定器与二级电压控制器参数优化方法。该方法将多层级方法和自适应深度、自适应宽度和自适应注意力应用到电力系统参数优化中，实现协调电力系统稳定器与二级电压控制器参数优化。

本发明在在输入输出参数大小的基础上提出一种多层级的概念。通过选择性的分组，挑选出部分数据进行计算，其他数据用于另外的计算，为提高运算效率，自适应深度、自适应宽度和自适应注意力根据输入输出参数的大小自适应改变三维参数的大小，灵活的三维参数加速了进化的参数优化进程。

在未加装电力系统稳定器的情况下，系统发生低频震荡时，各振荡模态特征值用复数λ_i＝σ_i±jω_i，其中i＝1,2,3,…,i为低频振荡各模态序号，σ_i为各模态阻尼因子，ω_i为各模态振荡角频率，因此阻尼比ξ_i被定义为：

为使系统有足够的阻尼，可将振荡各模态最小阻尼比的最大化作为电力系统稳定器的参数优化目标，设最小阻尼比为d_min，其数学表达式为：

d_min＝min{ξ_i,i＝1,2,3,…,m}                            (2)

式中：m为振荡模态总数，ξ_i为第i个振荡模态的阻尼比。结合电力系统稳定器控制参数的约束条件，电力系统稳定器参数优化可用下式表达