[发明专利]一种基于CNN-LSTM组合网络的电网电压稳定紧急控制方法及系统

说明书

本发明涉及电力系统技术领域，公开了一种基于CNN‑LSTM组合网络的电网电压稳定紧急控制方法及系统，融合卷积神经网络(CNN)在特征提取、长短时记忆网络(LSTM)在数据时间依从关系学习方面的优势，建立了基于CNN‑LSTM组合的电压稳定裕度评估模型，实现了大扰动故障下电网电压稳定裕度的准确评估，与经典神经网络相比预测准确率更高，结果更接近真实值。能够准确刻画各母线电压对切机、切负荷控制措施量的敏感程度，为最优紧急控制策略的制定提供有力的依据和指导，有效的对电网电压稳定紧急控制进行准确评估，提高了预测准确率，保证大扰动故障后电网的安全稳定运行。

技术领域

本发明涉及电力系统技术领域，具体为一种基于CNN-LSTM组合网络的电网电压稳定紧急控制方法及系统。

背景技术

在“双碳”目标背景下，我国风电、光伏等新能源迎来跨越式增长，高压直流输电技术广泛应用，已形成世界上规模最大、结构最复杂的交直流混联电网。然而，通过电力电子设备并网的大量新能源取代机械转动惯量大、抗干扰能力强的传统同步发电机组后，其固有的弱惯性特点将会降低电网的阻尼特性，电网调压能力明显下降、抗干扰能力不足，电力系统安全稳定运行面临巨大挑战。当交流主干线发生严重故障时，大规模的潮流转移可能导致电网电压失稳；当直流线路发生闭锁故障时，换流站无功补偿设备的延时切除会导致电压出现短暂升高，随后网内无功支撑能力不足使电压逐渐降低最终可能导致电压失稳。若不及时采取控制措施，严重时可能发生电压崩溃。因此，亟需发展灵活快速、准确可靠的紧急控制技术。

紧急控制是电力系统在大扰动故障下维持系统稳定运行和持续供电所采取的控制措施，常采用切机、切负荷、直流调制等安全稳定控制手段。在现有技术中，紧急控制方案主要包括基于策略表的预案式控制和基于响应的紧急控制。

基于策略表的预案式控制是目前最成熟、应用难度与成本最低的紧急控制系统。预案式控制根据预想事故集预先决策生成策略表，存放在安全稳定控制装置中。故障发生后，控制装置根据故障类型、电网当前运行状态等条件，搜索策略表，确定并执行相应的紧急控制措施。由于决策过程先于故障执行，故障发生后，安全稳定控制装置只需完成查询策略表的工作，决策速度快。然而，该方法存在假想故障、预先决策的过程，难以涵盖交直流混联电网所有故障类型且存在决策失误的风险，故障匹配式的稳定控制措施无法保障复杂非预想故障情况下电网安全运行。

随着以毫秒级同步量测为基础的广域量测系统(WAMS)在电网中的推广应用，基于响应的紧急控制方法得到快速发展。其中，根据WAMS采集的实时量测数据，利用直接法理论、轨迹拟合等方式，估计系统中动态元件的后续行为进行紧急决策是一种有效的方法。此类方法不需要进行暂态稳定时域仿真，计算量一般不大，但是普遍存在计算精度不足，策略偏保守的问题。人工智能的发展为基于响应的紧急控制提供了一种新的思路。通过人工智能的方法往往可以更加快速、有效地评估电网的稳定性，并以此为依据制定紧急控制策略，相比于传统方法有着更高的预测精度和计算效率。然而，目前采用的深度神经网络模型较为经典，模型的预测准确率和精度有待提高，且现有研究主要集中在应对功角稳定问题上，针对电网电压稳定紧急控制相对较少。

发明内容

为了克服上述现有技术存在的缺陷，本发明的目的在于提供一种基于CNN-LSTM组合网络的电网电压稳定紧急控制方法及系统，以解决现有技术中无法对电网电压稳定紧急控制进行准确评估，预测准确率低的技术问题。

本发明是通过以下技术方案来实现：

一种基于CNN-LSTM组合网络的电网电压稳定紧急控制方法，包括如下步骤：

步骤1，构建大干扰电压稳定裕度指标，通过大干扰电压稳定裕度指标建立基于卷积神经网络CNN和长短时记忆网络LSTM组合的电压稳定裕度评估模型；

步骤2，通过基于卷积神经网络CNN和长短时记忆网络LSTM组合的电压稳定裕度评估模型预测备选切机以及切负荷点稳控措施动作后关键母线的大干扰电压稳定裕度，并通过计算电网电压稳定裕度的提升量确定响应驱动紧急控制措施灵敏度；