一种多直流送端系统规划关键因素的非参独立筛选方法与流程

1.本发明属于输电系统规划运行技术领域，具体涉及一种多直流送端系统规划关键因素的非参独立筛选方法。


背景技术：

2.由于能源分布不均衡，地域辽阔，远距离输电成为中国电网的一大特色。西电东送是改善能源配置的关键方案。在“碳达峰”和“碳中和”的政策指导下，高压直流输电技术将在促进可再生能源发展和减少碳排放方面发挥坚实的作用。在几种交直流耦合模式中，异步高压直流输电系统是当今电网的主流，因为它将大型同步电网解耦成多个相互异步的区域电网，提高了动态安全性。然而，这种互联方式导致各区域电网自身承受巨大的直流负荷，对交流电网提出了更高的要求。加强交流电网建设，必须采取合理的规划方案，建立相应的指标体系。
3.为了测量高压直流输电系统中交流系统的强度，已经开展了许多工作。其中，多直流落点系统因其在实际中广泛存在而成为研究热点。为了分析多直流落点系统的功率稳定性，必须考虑各回直流之间的相互作用。因此，国际大电网会议(cigre)提出了多馈入有效短路比(miescr)指标来描述交流系统相对于换流站的电压支撑强度。在一定程度上，miescr能够粗略评估多馈入直流系统的功率稳定性。对于多直流送出系统，有研究证明了miescr也是可行的。然而，也有学者从理论角度怀疑miescr的详尽性。在此基础上，学者从潮流模型中导出了一些非经验的、严格的指标，如节点电压灵敏度因子。尽管这些指标在理论解释上表现良好，但它们仅限于为交流电网规划提供直接的指导。
4.另一个关键指标，即直流最大传输功率(map)，它能够体现高压直流输电系统的功率稳定裕度。有学者分析了其与miescr的直接关系，map是交流侧规划的直观指标。然而，目前关于map的研究很大程度上依赖于交流系统等值，这给map的计算带来了很大的误差，进而降低了交流电网规划的经济性和安全性。此外，由于很难从全局视角分析map对各类运行和结构变量的响应机理，现有研究只能通过控制变量法，粗略地了解map响应的局部趋势。
5.现有文献对多送出馈入异步交直流系统进行了极大简化。此外，目前也缺乏严重直流故障下(如换相失败)系统响应与短路比、直流最大功率间的关联关系研究。现有研究非常依赖于系统等值技术，而系统等值误差可能导致指标计算失准，继而引发规划的经济性和安全性下降。从全局视角分析直流最大功率对各类运行、结构变量的响应机理非常困难，现有研究都是通过控制变量法，粗略观察直流运行指标趋势。
6.因此，现阶段需设计一种多直流送端系统规划关键因素的非参独立筛选方法，来解决以上问题。


技术实现要素：

7.本发明目的在于提供一种多直流送端系统规划关键因素的非参独立筛选方法，用于解决上述现有技术中存在的技术问题，为精准捕捉电网结构参数、直流控制参数对直流
功率稳定性、换相失败暂态过电压等关键指标的关联关系，本发明对大量结构、控制参数摄动的运行数据分析，借助数据驱动技术实现了影响直流系统稳定性的关键源头参数发现及关联关系构建，为送端系统直流规划提供了参考。
8.为实现上述目的，本发明的技术方案是：
9.一种多直流送端系统规划关键因素的非参独立筛选方法，包括以下步骤：
10.s1、获取多直流送出系统的基本指标；
11.s2、根据多直流送出系统的基本指标分析多直流送出系统的功率稳定性；
12.s3、采用基于多层神经网络的平均影响值方法，识别影响多直流送出系统关键指标的关键因素。
13.进一步的，步骤s1中基本指标具体如下：
14.1)多馈出相互作用因子和多馈出有效短路比。
15.2)暂态过电压:考虑受端换相失败引起暂时过电压。
16.进一步的，步骤s2具体如下：
17.最大功率曲线是分析高压直流输电系统功率稳定性的一个重要概念，即mpc；
18.在mpc上有一个断点，它是直流功率随直流电流上升的最大值，称为map；为使某一特定系统的mpc得以发展，第i个整流站的τi,αi和无功补偿通常保持不变；然后按照设定的路径增大每个电流设定值，即可绘制出多直流送出系统的mpc；
19.提出两种确定直流电流增长路径的策略：一是保持所选直流以外的直流电流不变，二是保持电网中所有直流电流定值同步增长；本发明对得到mpc做如下假设:
[0020][0021]
式中，i
dni
表示第i回直流的额定电流，m为直流馈出线条数；
[0022]
结合直流电流增益，最终得到mpc和map。
[0023]
进一步的，步骤s3具体如下：
[0024]
s301：非参独立筛选；
[0025]
在进行关键影响识别之前，需预先准备多直流送出系统的运行数据；通过在参数空间上利用佳点集采样来实现；利用运行限制和规划方式来建立参数空间，gps部署在这个空间上；从而确定输入特征为{各交流线路的阻抗、发电机的无功限值、整流站无功补偿、有功发电、无功发电、直流电流设定值、额定直流电流、整流触发角、负载、moif、moescr}，输出包括{tov、map和相应的直流电流}，所有输入都可直接获得；用表示输入，用表示输出，其中n表示样本容量，p和t分别表示输入和输出的维数；此外，所有数据驱动的任务将被分离为t个子任务，其输出为yi，i＝1，...，t，在后面的描述中，y代表yi；
[0026]
非参独立筛选基本原理是通过一元回归找出单个输入特征与目标/输出特征间的数值关系，并通过残差平方和量化关系的强弱；
[0027]
针对不同直流系统指标，其直接关联因素均有所不同，可将各个关联因素独立化处理，以观察单一因素与直流系统指标的关联强度；非参独立筛选执行过程中，遍历独立考虑输入特征中某一维度与输出指标的相关性；依据以上分析简化相关性分析问题，如下式所示：
[0028]
[0029]
式中，i为任选的一条支路在目标特征集中的编号，与x意义一致；令则非参独立筛选流程如下所示：
[0030]
i)假设存在第j个输入特征和目标间数值关系模型那么有：
[0031][0032]
式中，ε是服从0均值正态分布的相关性误差；
[0033]
ii)利用一元非参数回归建立各输入特征与输出间的近似相关性模型并计算近似相关模型估计的目标值：
[0034][0035]
式中：表示利用第j个输入特征和近似相关模型预测的目标值；注意到ttc的强非线性，采用三次b样条函数构建
[0036]
iii)计算每个输入特征和近似相关模型对目标的估计误差：
[0037][0038]
iv)对集合
[0039]
rss＝{rssj，，j＝1，2，...，nf}
[0040]
进行升序排序，越靠前的输入特征对目标贡献度越高；通过一定准则筛选出对目标强关联的输入特征，准则如下所示：
[0041][0042]
s302：组套索；
[0043]
组套索是基于最小绝对收缩和套索算法开发的；可提取相关变量的显式计算规则；输入与相关指标之间的数值相关性可明确地表示为具有常数截距ρ的可加性模型；然后将gl构建为具有l1范数的结构风险最小器：
[0044][0045][0046][0047]
采用外推残差法消除套索约束，求解(6)-(8)问题。
[0048]
与现有技术相比，本发明所具有的有益效果为：
[0049]
本方案其中一个有益效果在于，针对多直流送出系统送端规划任务，本发明提出了一种数据驱动的关键因素识别方法。首先，提出了一种map计算方法。在此基础上，采用多层神经网络平均影响值法，对精确规划送端的决定因素进行识别。此外，利用组套索构建重要规划指标相对于相关操作变量和远景规划的计算规则。实施例证明了该方法在挖掘关键因素和潜在关联方面的可行性和准确性。与传统的经验性送端规划策略相比，该方法具有更精确、更经济、更科学、更可靠的规划效果。
附图说明
[0050]
图1是本发明的两直流送出系统单线示意图。
[0051]
图2是本发明的候选因素的重要性得分示意图。
[0052]
图3是本发明的gl提取所得规则的评估性能示意图。
具体实施方式
[0053]
为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
[0054]
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
[0055]
而且，术语“包括”，“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程，方法，物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程，方法，物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程，方法，物品或者设备中还存在另外的相同要素。
[0056]
本发明提出一种基于非参独立筛选和组套索的多直流送端系统规划关键因素识别方法；具体如下。
[0057]
1多直流送出系统的基本指标
[0058]
到目前为止，已有大量的指标被提出用于测量有馈入直流输电系统的交流系统强度。在一些广义指标的启发下，拟类似地定义几个送端指标，具体如下:
[0059]
1)多馈出相互作用因子(moif)和多馈出有效短路比(moescr):这些指标与受端相应的指标相同，即miif和miescr。
[0060]
2)暂态过电压(tov):考虑受端换相失败引起暂时过电压。故障产生后，大量的无功补偿会回注到交流系统中，导致tov现象。将采用pscad对最大tov值进行模拟。
[0061]
2多直流送出系统的功率稳定性
[0062]
最大功率曲线(mpc)是分析高压直流输电系统功率稳定性的一个重要概念。在mpc(maximum power curve)上有一个极值点，它是直流功率随直流电流上升的最大值，称为map(最大可送功率，maximum available power)。为了使某一特定系统的mpc得以发展，第i个整流站的τi,αi和无功补偿通常保持不变。然后按照设定的路径增大每个电流设定值，即可绘制出多直流送出系统的mpc。
[0063]
目前提出了两种确定直流电流增长路径的策略。一是保持所选直流以外的直流电流不变，二是保持电网中所有直流电流定值同步增长。后者更优，因为它在一定程度上能够反映多回直流之间的相互作用。本发明对得到mpc做如下假设:
[0064][0065]
式中，i
dni
表示第i回直流的额定电流，m为直流馈出线条数。
[0066]
结合直流电流增益，最终得到mpc和map。
[0067]
3多直流送出系统送端规划中关键因素的识别方法
[0068]
将实际动态模型引入计算指标有助于更精确、更实际地规划送端电网，但无疑会增加多直流送出系统模型的非线性和理论分析的复杂性。控制变量组合模拟方法是应对上述挑战的主流方法，但使用较少的局部实验来说明全局响应的说服力和准确性不够。本发明采用数据驱动的方法来识别影响交流/直流强度的关键因素。这种新思想能够从更广泛的角度来描述复杂指标或物理与网格规划相关参数(如阻抗、分流器组等)之间的关系。此外，通过这种方法，可以避免等效系统建模精度的降低。
[0069]
3.1非参独立筛选
[0070]
在进行关键影响识别之前，要预先准备多直流送出系统的运行数据。这可以通过在参数空间上利用佳点集采样(gps)来实现。具体来说，利用现有的运行限制和规划方式来建立参数空间，gps部署在这个空间上。根据这种思想，确定输入特征为{各交流线路的阻抗、发电机的无功限值、整流站无功补偿、有功发电、无功发电、直流电流设定值、额定直流电流、整流触发角、负载、moif、moescr}，输出包括{tov、map和相应的直流电流}，所有输入都可以直接获得。为了简化，用表示输入，用表示输出，其中n表示样本容量，p和t分别表示输入和输出的维数。此外，所有数据驱动的任务将被分离为t个子任务，其输出为yi，i＝1，...，t，在后面的描述中，y代表yi。
[0071]
非参独立筛选(nonparametric independence screening,nis)被提出以解决此问题。nis基本原理是通过一元回归找出单个输入特征与目标/输出特征间的数值关系，并通过残差平方和(residual sum of squares,rss)量化关系的强弱，rss越低表明输入与输出间的相关性越强(或者，输入特征对于目标特征的贡献度、影响程度最强)。
[0072]
针对不同直流系统指标，其直接关联因素均有所不同，但总体来说，可将各个关联因素独立化处理，以观察单一因素与直流系统指标的关联强度。因此，nis执行过程中，可遍历独立考虑输入特征中某一维度与输出指标的相关性。依据以上分析简化相关性分析问题，如下式所示：
[0073][0074]
式中，i为任选的一条支路在目标特征集中的编号，与x意义一致。为了简化描述，令则nis流程如下所示：
[0075]
i)假设存在第j个输入特征和目标间数值关系模型那么有：
[0076][0077]
式中，ε是服从0均值正态分布的相关性误差，通常为0；
[0078]
ii)利用一元非参数回归建立各输入特征与输出间的近似相关性模型并计算近似相关模型估计的目标值：
[0079][0080]
式中：表示利用第j个输入特征和近似相关模型预测的目标值；注意到ttc的强非线性，简单的线性回归无法有效反映输入和目标的相关性，因此本发明采用三次b样条函数构建
[0081]
iii)计算每个输入特征和近似相关模型对目标的估计误差：
[0082][0083]
iv)对集合
[0084]
rss＝{rssj，，j＝1，2，...，nf}
[0085]
进行升序排序，越靠前的输入特征对目标贡献度越高。通过一定准则筛选出对目标强关联的输入特征(strong correlated feature,scf)，一种准则如下所示：
[0086][0087]
3.2组套索
[0088]
组套索是基于传统的最小绝对收缩和套索算法(lasso)开发的。它是一种数据驱动的回归算法，可以提取相关变量的显式计算规则。输入与相关指标之间的数值相关性可以明确地表示为具有常数截距ρ的可加性模型。然后将gl构建为具有l1范数的结构风险最小器:
[0089][0090][0091][0092]
本发明采用外推残差法(celer)消除套索约束，求解(6)-(8)问题。
[0093]
在两直流送出系统上对所提出的方法进行了测试，该系统的拓扑结构如图1所示。
[0094]
利用matpower求解交流系统中的潮流模型，然后利用换流器处的电压求解代数方程(9)～(13)。直流功率可以随后求出，并反馈到交流系统作为负载。
[0095]
通过5.3.1的数据准备过程，为后期的分析准备了1500条数据样本，将整个数据集的80％用于训练，剩下的用于测试。
[0096]
确定送端规划的关键因素
[0097]
对所有的输出都进行关键因素辨识。按重要性递减排序的分数如图2所示。
[0098]
表1列出关键因素
[0099]
[0100][0101]
注:3号母线和4号母线分别为与1号母线和2号母线连接的转换母线
[0102]
根据图2的重要性得分，确定了对相关指标最关键的前9个因素，如表1所示。此外，也给出了对3号母线tov的主要影响因素，虽然它们的重要性分数没有显示。为了证明该方法的可行性和正确性，我们可以将表1中的结果与定性理论分析相结合。以3号母线的map为例(对于该指标已有许多成熟的理论分析)，可以看到1号母线的有功发电与map有很强的相关性，因为输出直流功率主要来自于map。4号母线的一些指标也很重要，因为4号母线的输出直流功率对1号母线的有功发电影响很大。对于3号母线的tov，局部无功补偿是主要影响因素，它们导致了大部分无功产生，这是tov产生的根本原因。
[0103]
数据分析的结果与物理高度吻合。这些论证支持了该方法的有效性。
[0104]
发现主要指标的计算规则
[0105]
在确定关键因素的基础上，应用gl学习相关指标对于送端规划关键因素的显式计算规则。gl提取所得规则的性能如图3所示。
[0106]
从图3可以看出，本发明提出的方法能够实现准确的计算规则发现。估计值与真值的均方误差为0.043p.u。尽管测试集分布的边缘有明显的失真，但这有望通过扩大采样空间和采用分段或非线性回归方法得到改善。
[0107]
综上所述，针对多直流送出系统送端规划任务，本发明提出了一种数据驱动的关键因素识别方法。首先，提出了一种map计算方法。在此基础上，采用多层神经网络平均影响值法，对精确规划送端的决定因素进行识别。此外，利用组套索构建重要规划指标相对于相关操作变量和远景规划的计算规则。实施例证明了该方法在挖掘关键因素和潜在关联方面的可行性和准确性。与传统的经验性送端规划策略相比，该方法具有更精确、更经济、更科学、更可靠的规划效果。
[0108]
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。