[发明专利]一种模型-数据混合驱动的电网预想故障评估方法和系统

说明书

本发明公开了一种模型‑数据混合驱动的电网预想故障评估方法和系统，属于电力系统安全性领域。包括：获取电网结构参数和历史负荷数据样本；对于每个历史负荷数据样本，根据电网结构参数建立CSCOPF模型，通过故障筛选算法求解CSCOPF模型得到有效预想故障集；以历史负荷数据作为特征，预想故障的有效状态作为标签，建立多标签分类kNN算法的训练集；采用多标签分类kNN算法，对实时负荷数据样本的预想故障有效状态进行在线评估。本发明通过故障筛选算法求解CSCOPF问题生成与节点负荷量对应的有效预想故障集，采用多标签分类kNN算法发掘负荷数据和预想故障之间的联系，根据实时负荷直接评估预想故障的有效情况，高准确率的同时大大加快了求解速度。

技术领域

本发明属于电力系统安全性领域，更具体地，涉及一种模型-数据混合驱动的电网预想故障评估方法和系统。

背景技术

随着电力系统规模的扩大，可能造成系统安全隐患的故障情况也随着增加，因此需要寻找新的电力系统优化运行、调控分析方法，确保系统能在故障发生后安全运行，同时最大化经济效益。电力系统的安全性可以用N-1原则来描述。满足N-1原则的电力系统中的N个元件中的任一独立元件发生故障不会引发其他元件的故障从而导致系统运行失稳。

最优潮流(Optimal Power Flow，OPF)是电力系统调度的基本问题之一，在已知系统的结构参数和预测负荷的情况下，调节机组发电量以最小化总发电成本或总网损。最优潮流可以分为预防型安全约束最优潮流(Preventive Security-Constrained OptimalPower Flow，PSCOPF)和校正型安全约束最优潮流(Corrective Security-ConstrainedOptimal Power Flow，CSCOPF)。PSCOPF要求一组调度方案满足正常工况和所有预想故障，没有在故障发生后调整机组发电量，复杂度较CSCOPF更小，结果也往往过于保守。CSCOPF求解一组正常工况的基础调度方案和多组故障后的重调度方案，每组重调度方案对应一种预想故障，基础调度方案在故障发生后在限定时间内过渡到对应的重调度方案。CSCOPF引入了对机组发电量的调整阶段，因此相比于PSCOPF经济性更好，但由于每组重调度方案都需要求解一个调度问题，CSCOPF的问题规模远大于PSCOPF。

现有的CSCOPF求解方法包括直接求解、奔德斯分解(Benders Decomposition)、故障筛选算法。直接求解法考虑正常工况和所有预想故障一次性求解，模型规模巨大，求解时间长。奔德斯分解将问题拆分成主问题和子问题，根据子问题的结果向主问题添加奔德斯割，迭代求解最优解。《Liu Y，Ferris M.C，Zhao F.Computational Study of SecurityConstrained Economic Dispatch With Multi-Stage Rescheduling[J].IEEETransactions on Power Systems，2015，30(2)：920-929》提出了基于奔德斯分解的多阶段重调度方法，采用并行计算和可行性检验等方式加速算法收敛。故障筛选算法将模型拆分成一个主问题和若干个子问题，每个子问题对应一种预想故障，根据子问题的结果向主问题添加有效预想故障对应的约束，迭代更新最优解并验证，直到模型收敛。

现有的CSCOPF求解方法都基于机理模型，每一种预想故障都对应一个调度问题，问题规模巨大。采用奔德斯分解和故障筛选算法时，由于预想故障之间存在耦合，满足一个子问题的约束可能导致主问题的解在另一个子问题中不可行，因此需要多次迭代，每次迭代都要重新验证剩余子问题的可行性，如果某个子问题不可行，则需要调整机组发电量并重新验证。现有方法求解大规模的实际系统所需时间过长，不能满足实时经济调度的实时性要求，因此需要新的快速求解方案。

发明内容

针对相关技术的缺陷，本发明的目的在于提供一种模型-数据混合驱动的电网预想故障评估方法和系统，旨在解决现有评估方法求解速度较慢的问题。

为实现上述目的，本发明提供了一种模型-数据混合驱动的电网预想故障评估方法，包括以下步骤：