一种数据驱动的断面分级条件限额规则生成及其控制方法

本发明属于新能源电网，具体涉及一种数据驱动的断面分级条件限额规则生成及其控制方法。

背景技术：

1、高渗透率新能源电网是低碳政策下的主要能源载体，然而新能源的波动性和不确定性使得电力系统的运行方式更加复杂，给关键断面的高效运行带来了巨大挑战，调度员需要监控断面功率，并将其控制在极限传输能力约束内。但是，极限传输能力计算的强非线性和高维度性导致了巨大的计算负担，因此在实际中，通常选取前一年计算的固定保守断面限额预作为安全约束。具体而言，为了确保足够的稳定裕度，一般以最极端的运行条件下断面功率作为断面限额，然而这将导致断面过保守运行和利用率低的问题。此外，运行方式变化将动态改变断面极限传输能力，随着新能源渗透率增长，断面传输极限将具有更强时变性。因此，亟需提出准确有效的断面安全控制方法以实现灵活的断面限额控制。

2、传统基于物理模型的断面极限计算方法在权衡计算效率、复杂度以及保守性方面存在明显缺陷。为实现快速且精准的断面极限计算，研究人员提出基于数据驱动方法的新思路。例如，有学者提出了一种基于线性回归的极限传输能力计算模型，极限传输能力计算效率达秒级。尽管数据驱动方法能够实现断面极限传输能力的快速计算，但数据驱动模型的可扩展性、可解释性、保守性和泛化性的证明还缺乏理论支撑，因此该方法的泛化性和工程适用性仍受到质疑。从工程角度来看，更优的替代方案是采用数据驱动方法间接辅助电力系统运行。鉴于此，数据驱动方法中的聚类技术是电力工程应用的首选。有研究基于聚类方法发现了关键运行方式，并进而总结了电力系统运行如何随季节、天气和事件变化，并给出了调度建议。聚类相关研究强调该方法并不直接参与运行决策，而是尝试以更为泛化的方式为电力系统运行提供辅助决策。

3、因此，现阶段需设计一种数据驱动的断面分级条件限额规则生成及其控制方法，来解决以上问题。

技术实现思路

1、本发明目的在于提供一种数据驱动的断面分级条件限额规则生成及其控制方法，用于解决上述现有技术中存在的技术问题，提出基于k-means++的输电限额决策方案，以揭示更多可用的通道输电潜力。k-means++通过引入其聚类隶属条件，自然地提供了一个可控的断面输电限额集合，通过代价敏感学习来实现断面限额自动分档。在线阶段，将这种可控的断面限额集合嵌入到经济调度中，实现输电通道利用率的优化调控。

2、为实现上述目的，本发明的技术方案是：

3、一种数据驱动的断面分级条件限额规则生成及其控制方法，包括以下步骤：

4、s1、精细划分多典型场景计算对应的保守断面限额，实现断面限额精细化分档规则生成，为断面限额实时调控辅助决策提供数据支撑；

5、s2、提出关键决策变量识别方法以及基于代价敏感分类器实现断面精细限额的自动分档方法，实现断面限额保守性决策；

6、s3、提出嵌入断面精细限额规则的经济调度模型，并验证模型提高断面利用率的有效性。

7、进一步的，步骤s1具体如下：

8、将运行方式集合划分为几个相似的簇，然后为每个簇设置限额；其中基于无监督学习生成典型的场景簇，将大量相似的运行状态进行聚类，并将原有的强非线性分解为多段弱非线性甚至线性关系，从而使得每一类运行方式集构成的断面功率运行空间下的安全边界呈现一定线性特征；换而言之，在一个簇中，可近似一个安全边界来协调功率传输，从而允许为每个簇进行传输限额的确定；具体如下式所示；

9、

10、

11、

12、

13、式中，上、下划线分别为正、反方向的断面功率；pk，is，j为第j个簇中失稳运行方式对应的断面k的有功潮流值；pk，se，j为第j个簇中稳定运行方式对应的断面k的有功潮流值；为不同运行工况簇集合；为属于第j个簇的运行工况集；和分别为断面集合以及安全校核预想事故集；sc(i)为第c个事故下第i个工况的安全状态，0表示不安全，1则反之；pk(i)为第i个工况下第k个断面的功率传输，其中pk(i)≥0表示潮流与设定的正方向相匹配，pk(i)＜0则相反；pk，j为第j个簇中对应的断面k的有功潮流值；调度中的断面传输约束，如下式所示；

14、

15、将传统单一限额转化为具有个档位的灵活限额规则；利用安全边界附近的安全工况，从而最大限度地利用断面资源；

16、在断面限额分档之前，事先准备好运行工况数据；在参数空间上使用佳点集采样和收集历史数据；利用现有的运行工况限额来建立采样空间，并在采样空间上部署gps；输入特征确定为由含同步机和风力发电机的发电机有功/无功输出、有功/无功负荷、节点电压、总有功负荷组成的集合；同时，发电机的开/关机状态隐含在输出功率中，并且所有的输入都可被直接获取；采用表示输入，表示输出，其中n为样本容量，p、t分别为输入和输出的维数；此外，所有数据驱动的任务将被划分成t个输出为yi，i＝1，...，t的子任务，后续用y表示yi；

17、首先引入ul来生成几个运行场景的簇；所用的数据库来自于历史运行工况和生成的不稳定或极端运行工况，并且其由上述关键的运行状态变量组成，其形式如下：

18、

19、

20、

21、式中，xi表示第i个输入；n为样本容量；代表运行状态变量集；为运行工况集；pg，qg分别为发电机的有功、无功输出；pd，qd分别为第d负载节点的有功、无功负荷；vg为节点电压；代表同步发电机集合；表风电场集合；为负荷集；代表ul学习的中心；cj为第j个簇的中心；k为簇的个数，对应于传输限额分档；

22、收集到的数据输入到ul算法；采用k-means++算法进行聚类来实现断面限额分档；特征数据作为输入，k-means++算法的执行过程如下：

23、①任意初始化k个中心其中第二个下标表示迭代次数；

24、②从第i个中心开始，将所有距离ci比其他cj(j≠i)更近的数据点都包含到相应的簇当中；

25、③对于每个簇i＝1，...，k，设置其中心为ci：其中|ci|为簇中点的个数；

26、④迭代并重复②和③直到ci(i＝1，...，k)保持不变；

27、找出某个未知的运行工况属于哪个簇；因此，聚类结果本身作为分类器的标签，输出y为：

28、y＝{i|i＝1，2，...k}#(4)

29、关键决策变量的识别：在档位划分和后续的决策中，利用miv方法辨识关键变量，首先基于采样数据对神经网络进行训练，然后将来自每个输入的扰动的神经网络响应作为衡量特征重要性的指标，采用多层神经网络进行训练；采用分类器来进一步的划分断面限额档位；多标签分类器采用softmax层来提供每个标签的概率，属于广义上的回归任务；其数学模型如下：

30、

31、

32、

33、式中，x为神经网络的输入；o为神经网络每一层的输出；φ为神经网络的结构参数在平均冲击值技术中的应用，为第i个操作变量的miv量对传递极限带的影响；考虑nn结构的内源影响；因为神经网络的超参数会影响深入学习输出与输入的模式，需进行前馈；式(5)中提供的多层nn结构，通过式(8)和(9)计算出第1层第i个神经元对第1+1层第j个神经元的贡献：

34、

35、

36、式中，下标l、l+1表示相邻的两层，上标i、j表示指定神经元在两层中的位置；cov(·)和var(·)分别是协方差和方差的计算函数；第l层神经元数量用ml表示；

37、前馈过程如式(10)，然后量化第i个输入对输出的影响；

38、

39、式中，为第i个操作变量的内生量对转移极限带的影响；表示总层数，对式(10)积分，通过式(11)最终得到第i个输入的重要性：

40、

41、式中，z为归一化因子，⊙表示向量间的元素相乘；

42、在分档框架中，首先聚类得到断面限额档位规则，然后识别关键影响特征，即利用一个压缩的特性集合来表征运行工况，以便明确调节的控制变量以及具体控制量，压缩的输入特征将用x来表示。

43、进一步的，步骤s2具体如下：

44、档位等级指定规则如下：

45、

46、

47、式中，γij，s为包含输电线路i、j的第s个断面限额，γij，s用于简化说明后续的模型；k表示簇的数量；φθ*(x)表示经过训练的分类器，计算运行工况x可能位于一个簇中的概率；ps，m为第s个断面的断面限额，对应第m个运行工况簇；限额分档规则使用argmax函数决定x所属的簇，然后通过式(12b)将相应的断面限额映射到x；

48、引入代价敏感技术，其中代价敏感矩阵是按照保守的先验预先定义的，即如果训练好的学习器对几个档位之中的断面限额难以区分，则优先考虑设置最小的限额；在此前提下，通过下列方式预设学习偏差：

49、

50、

51、

52、式中，为断面限额预测值；υij为训练损失；列和行分别对应于预测标签和真实标签；i和j分别表示行数和列数，即预测标签和真实标签；式(13a)和(13b)表示，若预测的断面限额大于真实值，则对训练损失上加入一个惩罚，否则损失值将保持不变；该策略允许分类器选择保守决策；最后，矩阵(13c)直接作用于学习的损失值。

53、进一步的，步骤s3具体如下：

54、建立考虑断面限额约束的经济调度模型，其目的是在满足电力系统安全约束条件的情况下，优化电力系统运行成本的同时兼顾系统的运行效率；具体模型如式(14)所示；

55、

56、

57、

58、式中，分别代表第g个发电机有功发电的下限/上限；pg(t)表示调度时间t第g个发电机的发电量；分别代表第g个发电机斜率的下限/上限；分别代表第g个发电机无功发电的下限/上限；分别代表节点i处的净有功/无功注入；gij、bij分别代表节点i和节点j之间的导电性/电纳；分别代表从节点i到与分支l对应的节点j的有功功率流的下限/上限；pij,l(t)表示在调度时间t时通过第n条线路的潮流，其发送节点为第i条，接收节点为第j条；代表第w个可再生能源发电厂的有功功率的预测；分别代表第w个可再生能源发电厂的最小/最大发电量；pw(t)表示调度时间t第w个可再生能源发电厂的发电量；ηs代表第s个断面输电的安全边缘；∈代表设置阈值，确保断面间输电安全运行；和分别表示同步发电机、调度时间、母线、线路、风电场和聚类方法的分档等级的集合；在式(14b)中，γij,s(t)是一个由运行工况决定的变量。

59、与现有技术相比，本发明所具有的有益效果为：

60、本方案其中一个有益效果在于，本发明提出了一种基于场景分类的断面限额分档方法，基于该方法为精细划分的多典型场景计算对应的保守断面限额，实现断面限额精细化分档规则生成，解决传统限额过保守问题，为断面限额实时调控辅助决策提供数据支撑。此外，本发明提出关键决策变量识别方法以及基于代价敏感分类器实现断面精细限额的自动分档方法，实现断面限额保守性决策；最后，本发明提出嵌入断面精细限额规则的经济调度模型，并验证了模型提高断面利用率的有效性。