专利名称：一种基于精确化模式判别的大电网暂态稳定分析方法
技术领域：
本发明属于电力工程领域，尤其涉及一种基于精确化模式判别的大电网暂态稳定分析方法。
背景技术：
目前，常见的大电网暂态稳定分析方法有以下几种( I)时域仿真法该方法包括步骤1)求解根据电力系统中发电机、负荷等各种元件间的拓扑关系所得到描述系统暂态行为的微分-代数方程组，得到状态变量和代数变量随时间变化的轨迹；2)根据研究时间内各发电机转子之间相对角度的变化情况，判断系统的稳定性。时域仿真法可以根据需要选择不同详细程度的元件数学模型，且结果准确、可靠。(2)直接法直接法主要有两大类基于暂态能量函数(Transient Energy Function, TEF)的方法和基于扩展等面积准则(Extended Equal Area Criterion, EEAC)的方法。
基于暂态能量函数方法的思想源于单机无穷大系统的“等面积定则”，暂态能量函数包含暂态动能和暂态势能两部分，其中暂态动能是大扰动造成发电机失去同步的能量，暂态势能由位置能量、磁能和耗散能量等构成。故障切除后，系统能否保持稳定运行取决于故障后系统吸收暂态能量的能力，若故障后暂态动能完全转化为暂态势能，则系统是暂态稳定的；否则，系统是不稳定的。基于扩展等面积准则的方法假定系统失稳为双机模式，将发电机按一定的规则分为各自同步的两群，进行双机等值，并最终转化为单机无穷大系统，然后用“等面积准则”判断系统的暂态稳定性。直接法具有计算速度快、能够定量分析系统的稳定度等优点。(3)人工智能法人工神经网络(ANN)、支持向量机(SVM)、决策树，贝叶斯分类器等算法及其使用不同特征提取方法的改进算法，都是目前用于暂态稳定分析的主流方法。人工智能法能够通过离线少量数据学习、快速建立辨识模型、用于实际数据辨识等优点。但是上述方法还存在如下问题时域仿真法存在的缺点有计算速度慢，不能适应大规模电力系统的在线应用；自身不包含暂态稳定的判据，只能得到发电机功角等信息，通过发电机转子之间最大摆开角是否大于某一指定的阈值，判断系统遭受大干扰后能否保持稳定运行，然而关于阈值的取值至今仍无标准，通常需要靠经验确定；此外，无法定量地分析暂态稳定的程度。直接法也存在一些较大的缺陷，如模型适应性差，目前采用直接法的大电网暂态稳定分析大多基于简化模型的假设，不能计及各种复杂动态元件对系统稳定性的影响；只能分析系统的第一摆动稳定性，不适用于更复杂的失稳模式；分析结果的可靠性难以保证。而人工智能法很少涉及大电网从受到扰动到建立新平衡的动态演变过程，而且要求的训练样本多，运算时间长。
发明内容
针对现有技术中大电网暂态稳定分析方法存在的计算速度慢、分析结果不够准确的问题，本发明提出了一种充分考虑了电气特征量的动态响应特性的、基于精确化模式判别的大电网暂态稳定分析方法，该方法能更快速、更精确的进行大电网暂态稳定分析。为了解决上述技术问题，本发明采用如下技术方案一种基于精确化模式判别的大电网暂态稳定分析方法，包括步骤步骤SI、采集不同时刻的大电网的电气特征量，并根据电气特征量获得大电网的 动态响应数据；步骤S2、对大电网的动态响应数据进行特征提取；步骤S3、利用离散隐马尔科夫模型对进行了特征提取的大电网动态响应数据进行实时模式判别，即可得到大电网暂态稳定分析结果。上述步骤SI进一步包括以下子步骤步骤S1-1、采集大电网的电气特征量，并将所采集的大电网电气特征量进行整合；步骤S1-2、采用相对灵敏度的方法筛选出相对灵敏度较高的电气特征量构成电气特征量子集，所述的相对灵敏度较高的电气特征量为相对灵敏度高于预设值m的电气特征量、或相对灵敏度最大的η个电气特征量、或相对灵敏度既高于预设值m的电气特征量中最大的η个电气特征量，所述的m、η为预先设置的自然数；步骤S1-3、对电气特征量子集中的电气特征量进行归一化处理，即得到大电网的动态响应数据。上述步骤S2利用PCA方法对大电网的动态响应数据进行特征提取。上诉步骤S3进一步包括数据训练和大电网暂态稳定分析两个步骤，所述的数据训练进一步包括以下子步骤步骤S3a_l、对作为训练数据的电气特征量子集中的电气特征向量进行基于时间的离散，得到离散观测值样本，所述的电气特征量子集训练数据包括失稳的大电网电气特征量子集样本数据和稳定的大电网电气特征量子集样本数据；步骤S3a_2、对离散观测值样本进行训练得到失稳的训练样本集和稳定的训练样本集；所述的大电网暂态稳定分析进一步包括以下子步骤步骤S3b_l、对待分析稳定性的电气特征量子集中的电气特征向量进行基于时间的离散，得到离散观测值样本；步骤S3b_2、将步骤S3b_l所得离散观测值样本与步骤S3a_2所得的失稳的训练样本集和稳定的训练样本集进行比对，从而得到大电网暂态稳定性的分析结果。上述步骤S3a_l中是采用基于劳合社的算法对电气特征量子集中的电气特征向量进行基于时间的离散。上述步骤S3a_2中采用离散隐马尔科夫模型对离散观测值样本进行训练，具体为采用如下公式(I)和(2)对离散观测值样本进行样本训练
权利要求
1.一种基于精确化模式判别的大电网暂态稳定分析方法，其特征在于，包括步骤 步骤SI、采集不同时刻的大电网的电气特征量，并根据电气特征量获得大电网的动态响应数据； 步骤S2、对大电网的动态响应数据进行特征提取； 步骤S3、利用离散隐马尔科夫模型对进行了特征提取的大电网动态响应数据进行实时模式判别，即可得到大电网暂态稳定分析结果。
2.根据权利要求I所述的基于精确化模式判别的大电网暂态稳定分析方法，其特征在于 所述的步骤SI进一步包括以下子步骤 步骤Sl-I、采集大电网的电气特征量，并将所采集的大电网电气特征量进行整合； 步骤S1-2、采用相对灵敏度的方法筛选出相对灵敏度较高的电气特征量构成电气特征量子集，所述的相对灵敏度较高的电气特征量为相对灵敏度高于预设值m的电气特征量、或相对灵敏度最大的n个电气特征量、或相对灵敏度既高于预设值m的电气特征量中最大的n个电气特征量，所述的m、n为预先设置的自然数； 步骤S1-3、对电气特征量子集中的电气特征量进行归一化处理，即得到大电网的动态响应数据。
3.根据权利要求I所述的基于精确化模式判别的大电网暂态稳定分析方法，其特征在于 所述的步骤S2利用PCA方法对大电网的动态响应数据进行特征提取。
4.根据权利要求I所述的基于精确化模式判别的大电网暂态稳定分析方法，其特征在于 所述的步骤S3进一步包括数据训练和大电网暂态稳定分析两个步骤，所述的数据训练进一步包括以下子步骤 步骤S3a-1、对作为训练数据的电气特征量子集中的电气特征向量进行基于时间的离散，得到离散观测值样本，所述的电气特征量子集训练数据包括失稳的大电网电气特征量子集样本数据和稳定的大电网电气特征量子集样本数据； 步骤S3a-2、对离散观测值样本进行训练得到失稳的训练样本集和稳定的训练样本集; 所述的大电网暂态稳定分析进一步包括以下子步骤 步骤S3b-1、对待分析稳定性的电气特征量子集中的电气特征向量进行基于时间的离散，得到离散观测值样本； 步骤S3b-2、将步骤S3b-1所得离散观测值样本与步骤S3a-2所得的失稳的训练样本集和稳定的训练样本集进行比对，从而得到大电网暂态稳定性的分析结果。
5.根据权利要求4所述的基于精确化模式判别的大电网暂态稳定分析方法，其特征在于 所述的步骤S3a_l中是采用基于劳合社的算法对电气特征量子集中的电气特征向量进行基于时间的离散。
6.根据权利要求4所述的基于精确化模式判别的大电网暂态稳定分析方法，其特征在于所述的步骤S3a-2中采用离散隐马尔科夫模型对离散观测值样本进行训练，具体为采用如下公式(I)和(2)对离散观测值样本进行样本训练
7.根据权利要求4所述的基于精确化模式判别的大电网暂态稳定分析方法，其特征在于 所述的步骤S3b-2是采用离散隐马尔科夫模型比较步骤S3b-1所得离散观测值样本与步骤S3a-2所得的失稳的训练样本集和稳定的训练样本集。
全文摘要
本发明提供一种基于精确化模式判别的大电网暂态稳定分析方法，包括如下步骤步骤S1获得电网动态响应数据，其中，所述相关数据包括SCADA、PMU和网络拓扑结构数据；步骤S2对大电网的动态响应数据进行特征提取进行特征提取；步骤3利用DHMM方法，进行实时模式判别。本发明方法考虑到了电气特征量的动态响应特性，并且多维特征分析同时进行模式识别，提高了人工智能类评估方法的识别的精度和速度，有助于大电网暂态稳定分析工作的开展。
文档编号H02J3/00GK102832617SQ20121032123
公开日2012年12月19日 申请日期2012年9月3日 优先权日2012年9月3日
发明者王波, 刘涤尘, 唐飞, 王亚俊, 马志昊, 邵雅宁 申请人:武汉大学