[发明专利]基于支持向量回归的电力系统扰动后频率动态预测方法

权利要求书

1.基于支持向量回归的电力系统扰动后频率动态预测方法，其特征在于，包括：ν-SVR模型的离线训练和扰动后最低频率的在线预测，所述ν-SVR模型的离线训练通过离线仿真样本训练得到，为扰动后最低频率的在线预测提供模型；

所述ν-SVR模型的离线训练包括以下步骤：

步骤S11：对系统事先设定的故障进行暂态时域仿真分析；

步骤S12：得到分析样本并提取特征变量，形成样本数据；

步骤S13：对样本数据进行归一化预处理；

步骤S14：将处理后的样本数据分为训练样本数据和测试样本数据；

步骤S15：对训练样本数据进行训练；

步骤S16：搜索ν-SVR模型参数，建立支持向量回归机模型；

所述扰动后最低频率的在线预测包括以下步骤：

步骤S21：在线获取扰动后最低频率预测所需数据；所述数据为广域量测系统提供；

步骤S22：对数据进行预处理；

步骤S23：生成特征量；

步骤S24：将特征量输入所训练好的ν-SVR模型；

步骤S25：对扰动后电力系统最低频率进行在线预测，并输出预测结果。

2.根据权利要求1基于支持向量回归的电力系统扰动后频率动态预测方法，其特征在于，包括计算系统惯性中心频率，公式如下：

ωsys=Σi=1n(Hiωi)Σi=1nHi;]]>

其中，ω_sys为系统惯性中心频率，H_i、ω_i分别为第i台发电机的惯性时间常数和角频率，n为系统中并网发电机的数量。

3.根据权利要求2基于支持向量回归的电力系统扰动后频率动态预测方法，其特征在于，包括选取基于ν-SVR模型的特征变量，所述特征变量为：扰动后瞬间各发电机的有功出力P_Gi、各发电机的旋转备用容量P_ri、功率缺额△P、和各发电机响应对系统惯性中心的影响f_i。

4.根据权利要求3基于支持向量回归的电力系统扰动后频率动态预测方法，其特征在于，所述特征变量各发电机的旋转备用容量P_ri的计算公式为：

P_ri＝P_maxi-P_Gi,i＝1,2,…,n；

其中，P_maxi表示表示第i台发电机的最大有功出力，i表示第i台发电机。