[发明专利]基于深度神经网络与阻抗模裕度的静态电压稳定监测方法

说明书

本发明公开了一种基于深度神经网络与阻抗模裕度的静态电压稳定监测方法。该方法包括：建立深度神经网络模型；设定一个确定的负荷水平参数，在该参数下进行阻抗模裕度算法的计算，得到所有系统负荷节点的阻抗模裕度值；对所有负荷节点的阻抗模裕度值进行排序，找到相对薄弱节点进行观测；随机设定系统的整体负荷水平参数，计算薄弱节点的阻抗模裕度值，将多组输入参数与阻抗模裕度值带入到深度神经网络中迭代学习其特征，直到获得期望的深度神经网络模型后迭代停止；实时采集输入数据，并通过深度神经网络预测当前薄弱节点的阻抗模裕度值，根据当前薄弱节点的阻抗模裕度值，判断当前的系统电压稳定状态。

技术领域

本发明涉及电网安全技术领域，尤其涉及一种基于深度神经网络与阻抗模裕度的静态电压稳定监测方法。

背景技术

随着负荷需求的持续增加，电网互联规模不断增大，再加上电力系统中不确定性分布式能源大量接入以及智能化程度不断提高，使得不能大范围传输的无功引起的电压稳定问题更加突出。由此，高效准确的在线电压稳定评估系统对于预防大范围的停电事故尤其重要。其中的关键技术之一是提出能够快速准确并且自适应系统状态变化的电压稳定在线监测方法。

当前在线电压稳定评估系统中广泛使用的基于连续潮流的负荷裕度指标评估体系，需要较长时间的离线分析计算，而且其存在全网负荷平均增长的方式不符合实际扰动方式、不能给出薄弱环节信息和快速适应系统的运行状态的变化等缺陷，无法满足在线监测的要求。此为现有技术的不足之处。

有鉴于此，本申请给出一种基于深度神经网络与阻抗模裕度的静态电压稳定监测方法；以解决现有技术中存在的上述缺陷和不足，是非常有必要的。

发明内容

本发明目的在于公开一种基于深度神经网络与阻抗模裕度的静态电压稳定监测方法，以解决上述技术问题。

为实现上述目的，公开一种基于深度神经网络与阻抗模裕度的静态电压稳定监测方法，包括：

步骤S1、建立深度神经网络；

步骤S2、设定一个确定的负荷水平参数，在该参数下进行阻抗模裕度算法的计算，得到所有系统负荷节点的阻抗模裕度值；

步骤S3、对所有负荷节点的阻抗模裕度值进行排序，找到相对薄弱节点进行观测；

步骤S4、随机设定系统的整体负荷水平参数，计算薄弱节点的阻抗模裕度值，将多组输入参数与阻抗模裕度值带入到深度神经网络中迭代学习其特征，直到获得期望的深度神经网络模型后迭代停止；

步骤S5、实时采集输入数据，并通过深度神经网络预测当前薄弱节点的阻抗模裕度值，根据当前薄弱节点的阻抗模裕度值，判断当前的系统电压稳定状态。

2、根据权利要求1所述的方法，其特征在于，所述步骤S2具体包括：

S21:负荷水平参数k为负荷比例系数。当k等于1时，系统处于基态；当k值超过极限负荷比例系数k_max，系统传输负荷超过系统传输负荷极限，将会造成系统潮流计算不收敛，无法求解；

S22:计算阻抗模裕度的步骤：

定义相量测量单元单元采集到的电流数据为电流模I，定义相量测量单元单元采集到的电压数据为电压模U；

定义Z_iLD＝U/I,为用电负荷端的静态等效阻抗模；

定义Z_iTHEV＝dU/dI,为综合动态等效阻抗模；

定义阻抗模裕度值为：

3、根据权利要求1所述的方法，其特征在于，所述步骤S3具体包括：

S31:相对薄弱节点个数n可以根据实际需求或相关规定确定；