[发明专利]基于数据驱动的TCPST紧急控制启动判据生成方法

说明书

本申请公开了基于数据驱动的TCPST紧急控制启动判据生成方法及生成装置，生成方法包括根据TCPST的控制目标，选择对应的紧急控制启动判据指标；确定用于数据驱动的样本集的输入量与输出量；通过MATLAB和BPA的交互，自动获取不同故障位置下的故障极限清除时间；通过MATLAB和BPA的交互，自动获取不同故障位置、不同故障清除时间的样本集；通过神经网络对样本集进行学习，得到学习模型，学习模型作为TCPST的紧急控制启动判据。通过上述方式，本申请方法调用速度快、有助于保证控制的响应速度，同时完善了TCPST紧急控制的流程框架，避免了启动判据缺失对TCPST使用寿命及电网效益的不利影响。

技术领域

本申请涉及电力系统技术领域，尤其涉及基于数据驱动的TCPST紧急控制启动判据生成方法及生成装置。

背景技术

互联电力系统具有发供电可靠性高、运行灵活性强等优点。然而，大系统的传输容量经常受到暂态稳定性问题的限制，因此各种各样的控制方法被引入电力系统，用以提高电力系统的暂态稳定性，并被应用于电力系统各种不同动态元件的控制中去。由于包括晶闸管控制移相器(Thyristor Controlled Phase Shifting Transformer，TCPST)在内的柔性交流输电设备具有快速响应的特性，它们不仅可以被用于稳态潮流调控，而且可被用来抑制系统振荡和提高电力系统暂态稳定性。

当前，对TCPST的暂态控制研究较少，关于TCPST紧急控制启动判据的研究更是没有，而启动判据在动态元件的控制框架中却是不可缺少的一环，如果没有启动判据，元件的紧急控制可能在小扰动或轻微故障时就被投入运行，这将导致TCPST频繁且不必要的动作，影响TCPST相关部件的使用寿命、增加器件的故障率，且可能导致TCPST无法维持在稳态最优的控制策略下从而影响TCPST发挥最大的经济效益。

发明内容

本申请提供基于数据驱动的TCPST紧急控制启动判据生成方法及生成装置，以解决现有技术中影响TCPST相关部件的使用寿命、增加器件的故障率的问题。

为解决上述技术问题，本申请提出一种基于数据驱动的TCPST紧急控制启动判据生成方法，包括：根据TCPST的控制目标，选择对应的紧急控制启动判据指标；确定用于数据驱动的样本集的输入量与输出量；通过MATLAB和BPA的交互，自动获取不同故障位置下的故障极限清除时间；通过MATLAB和BPA的交互，自动获取不同故障位置、不同故障清除时间的样本集；通过神经网络对样本集进行学习，得到学习模型，学习模型作为TCPST的紧急控制启动判据。

可选地，根据TCPST的控制目标，选择对应的紧急控制启动判据指标，包括：BPA暂态稳定仿真输出的OUT文件包括系统内最大功角差，当最大功角差大于180度时，判断系统暂态功角失稳，并以此作为极限清除时间的判断依据；其中，M＝T_CCT-T_CT，T_CCT为极限清除时间，T_CT为故障清除时间，M为紧急控制启动判据指标。

可选地，样本集的输入量包括：发电机功角、节点电压和负荷节点有功功率；样本集的输入量为紧急控制启动判据指标。

可选地，利用二分法获得极限清除时间。

可选地，还包括：将样本集导入MATLAB的神经网络工具箱中进行学习，通过调整样本数量、神经网络参数来提高机器学习的精度，以得到学习模型。

为解决上述技术问题，本申请提出一种基于数据驱动的TCPST紧急控制启动判据生成装置，包括：指标模块，用于根据TCPST的控制目标，选择对应的紧急控制启动判据指标；样本集模块，用于确定用于数据驱动的样本集的输入量与输出量；MATLAB和BPA模块，用于通过MATLAB和BPA的交互，自动获取不同故障位置下的故障极限清除时间；通过MATLAB和BPA的交互，自动获取不同故障位置、不同故障清除时间的样本集；神经网络模块，用于通过神经网络对样本集进行学习，得到学习模型，学习模型作为TCPST的紧急控制启动判据。