基于支持向量机的电力系统有功功率振荡类型判别方法
【专利摘要】本发明公开了一种基于支持向量机的电力系统有功功率振荡类型区分方法。该方法首先获取历史相关的振荡数据，提取有功功率振荡曲线的特征向量，形成相应的训练和测试样本集，然后对支持向量机的模型参数进行初始化，通过样本训练得到最优的模型参数，接着对WAMS实时监测到的同一振荡事件中不同母线处振荡信息进行辨识区别,可以准确地在线判定系统的有功功率振荡事件是负阻尼有功功率振荡还是强迫有功功率振荡。本发明针对实际电网中的有功功率振荡广域录波数据，可以快速准确地判别出系统有功功率振荡的类型，为制定有功功率振荡抑制措施提供了依据，有助于提高电力系统安全稳定运行水平，具有良好的工程实用价值。
【专利说明】基于支持向量机的电力系统有功功率振荡类型判别方法
【技术领域】
[0001] 本发明涉及电力系统有功功率振荡类型的判别，具体涉及一种基于支持向量机的 电力系统有功功率振荡类型判别方法。
【背景技术】
[0002] 随着区域电网之间的互联，现代电力系统动态性能变得越来越复杂，新的动态稳 定问题也随之显现。电网结构的日益庞大，快速励磁、电液调速装置等的普遍应用，使得互 联电网出现有功功率振荡的风险大大增加，严重抑制了电网的输电能力，易引发大面积停 电事故。因此，大电网有功功率振荡问题成为了国内外电网发展共同面临的一个难题。同时 有功功率振荡范围广、持续时间长、其危害严重，成为影响系统安全稳定运行的首要因素。 对系统中有功功率振荡的监测、区分和抑制变得十分迫切。
[0003] 电力系统中的有功功率振荡根据其产生机理可以分为两类：一类是负阻尼有功功 率振荡。负阻尼有功功率振荡的原因是：外部系统电抗较大或发电机输出功率较高时，快速 励磁回路的滞后相位力矩产生的负阻尼抵消了发电机阻尼绕组原有的正阻尼，从而引发增 幅的系统有功功率振荡。降低联络线传输功率或通过相位补偿增强发电机阻尼转矩的PSS 装置成为了抑制负阻尼有功功率振荡的重要的手段。另一类是基于共振机理解释的强迫有 功功率振荡。该原理认为：当电力系统受到小幅持续周期性扰动激励的频率与电力系统固 有振荡频率相同或接近时便会诱发发电机功率共振。该种有功功率振荡具有起振快、起振 后保持等幅同步振荡和失去振荡源后快速衰减的特点。已有研究表明：发电机原动机、励磁 回路、调速系统以及负荷的周期性扰动均能够激发系统的强迫有功功率振荡。准确定位扰 动源并切除扰动源成为了快速平息该种扰动的有效手段。由此可见，强迫振荡与负阻尼振 荡是2种机理不同的有功功率振荡形式，所采取的应对措施也不同，但由于2种振荡的表现 形式很相似（振荡的起始阶段都表现为增幅振荡，且都可能发展为等幅振荡），这使得如何 正确、快速判别振荡性质成为了一个难题。
[0004] 李莹等人的"基于起振段波形在线判别电力系统功率振荡性质"（中国电机工程 学报，2013, 33 (25) :54-60)通过分析联络线功率振荡起振阶段波形极大值处的一、二次差 分的正负号判断功率振荡的类型，不过对于振荡波形的差分计算存在一定的误差。杨东俊 等人"基于WAMS的负阻尼低频振荡与强迫功率振荡的特征判别"（电力系统自动化， 2〇13， 37(13) :57-62)通过统计电力系统振荡发生前系统发生振荡的次数情况来判定本次振荡 事件的振荡类型，但是由于强迫功率振荡出现具有随机性，即使本次振荡事件发生前系统 发生的振荡次数比较多也不能判定系统本次发生的振荡属于负阻尼振荡。该振荡事件类型 判别具有一定的随机性，不能保证判定的准确性。涂炼等人的"基于ARMA模态辨识的低频 振荡性质区分"（陕西电力，2013,05 :9_13)通过ARMA模型对系统的振荡阻尼进行辨识，进 而判定系统中振荡的性质。但存在 ARMA模型定阶难以确定的问题，采用不正确阶数的ARAM 模型难以准确得到振荡阻尼。
[0005] 支持向量机模型通过对己有的样本进行学习，可以用于对其它同类型样本的区分 与判别，为电力系统有功功率振荡类型的区分提供了一种有效而又实用的手段。
[0006] 用于分类的支持向量机模型（c. Cortes and V. Vapnik，"Support vector network, " Machine Learning, vol· 20, no· 3, pp. 273-297, 1995)如下：
【权利要求】
1. 基于支持向量机的电力系统有功功率振荡类型判别方法，其特征在于，该方法包括 以下步骤： (1) 通过电力系统广域监测系统获取电力系统以往有功功率振荡事件发生前的各联络 线有功功率稳态值和振荡期间有功功率振荡曲线；并通过广域监测系统对40条以上联络 线有功功率振荡曲线进行实时在线监测； (2) 将每条联络线有功功率振荡曲线进行希尔伯特变换求取振荡曲线的包络线，并将 包络线相对于振荡发生前的稳态值进行归一化，每隔1?3个振荡周期，在振荡波曲线包络 线上等间距选取10?30个点构成特征矩阵； (3) 利用步骤（2)中以往各联络线有功功率振荡曲线特征矩阵和有功功率振荡类型结 果形成训练样本集； (4) 采用支持向量机模型，利用步骤（3)中的训练样本集对支持向量机模型进行训练， 得到参数优化后的支持向量机模型； (5) 当广域监测系统中有联络线有功功率振荡曲线同时满足 a、 振荡频率在0. 2?2. 5HZ ; b、 500kV线路振荡幅值大于10MW ; c、 振荡持续5个周波以上； 时，判定系统发生了有功功率振荡事件；否则，判定系统没有发生有功功率振荡事件； (6) 当系统发生了有功功率振荡事件时，进入步骤（7);否则，返回步骤（5); (7) 对电力系统中广域监测系统监测到的联络线有功功率振荡曲线采用步骤（2)的方 法分别形成特征矩阵，采用步骤（4)中参数优化后的支持向量机模型分别对每条联络线进 行负阻尼有功功率振荡或强迫有功功率振荡的类型判别； (8) 当强迫有功功率振荡的联络线条数不低于4倍负阻尼有功功率振荡的联络线条数 时，判定该有功功率振荡事件为强迫有功功率振荡；当负阻尼有功功率振荡的联络线条数 大于4倍的强迫有功功率振荡联络线条数时，判定该有功功率振荡事件为负阻尼有功功率 振荡；否则不进行有功功率振荡类型的判别； (9) 将有功功率振荡事件的振荡类型的实际结果和步骤（7)中形成的特征矩阵添加到 步骤（3)的训练样本集中。
2. 根据权利要求1所述的基于支持向量机的电力系统有功功率振荡类型区分方法，其 特征在于，步骤（4)所述的支持向量机模型选用Sigmoid核函数。
【文档编号】H02J3/24GK104300557SQ201410543116
【公开日】2015年1月21日 申请日期:2014年10月14日 优先权日:2014年10月14日
【发明者】许汉平, 文劲宇, 李继升, 刘巨, 徐敬友 申请人:国家电网公司, 国网湖北省电力公司经济技术研究院, 华中科技大学