[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

说明书

技术领域

本发明属于电力技术领域，具体涉及电力系统扰动后最低频率预测方法。

背景技术

频率是电能质量的三大指标之一，是反映电力系统安全稳定运行和电能质量的重要指标，是电力系统运行重要的控制参数，频率稳定从根本上是由系统发电有功功率和负荷有功功率之间的平衡关系所决定的。当系统出现有功缺额时，系统频率将下降低于额定值；反之，当系统的有功功率有盈余时，系统频率将上升超过额定值。近年来，世界范围内一系列电网事故的发生中都有频率崩溃的因素，充分说明频率崩溃的可能性仍然存在；同时随着大规模风电接入电网，风电的随机性、间歇性和严重的爬坡事件使得系统频率稳定性面临更大的挑战。低频减载是国内外广泛采用的电力系统频率稳定的主要控制措施，但是当系统中出现较大功率缺额时，系统频率将急剧下降，低频减载装置可能来不及动作切除相应负荷以使系统频率回升，导致系统频率崩溃。因此，快速准确地预测扰动后系统的最低频率，对系统频率稳定性进行评估，进一步根据预测的最低频率制定自动切负荷和低频减载策略等紧急控制措施，防止系统频率崩溃，具有十分重要的意义。

由于电力系统呈高维非线性的特点，系统的状态空间由一组微分代数方程组来描述，故其动态行为只能通过数值方法来求解计算，计算量比较大，故在线预测扰动后系统的最低频率相对困难。为了减小计算量，提高运算速度，有关专家对系统模型进行简化，分别提出了系统频率响应模型(System Frequency Response Model，SFR)和平均系统频率模型(Average System Frequency Model，ASF)，其均是对系统进行单机带集中负荷等值处理，模型结构简单，但无法考虑系统的网络及和复杂负荷模型的影响，对大扰动分析精度较低。文献“李常刚，刘玉田，张恒旭等.基于直流潮流的电力系统频率响应分析方法[J].中国电机工程学报，2009，29(34)：36-41”对发电机组模型进行适当的简化，利用直流潮流对网络进行简化模拟，大大降低了计算量，提高了计算速度且具有较高的精度，但由于直流潮流法自身的特性，其无法考虑负荷的影响。

近年来在文献“Larsson M.An adaptive predictive approach to emergency frequency control in electric power systems[C]//Proceedings of the 44th IEEE Conference on Decision and Control and the European Control Conference 2005，Seville，Spain，2005：4434-4439”的基础上，相关学者进一步对利用广域量测系统对扰动后系统稳态频率的预测研究不断的深入和改进，进行了大量的工作，扰动后稳态频率预测技术相对比较成熟，但是对系统扰动后的频率动态尤其是频率最低值的在线预测的工作则相对较少。文献“Rudez U，Mihalic R.Forecast of the system frequency response for underfrequency load shedding[C]//2011 IEEE PowerTech，Trondheim，Norway，IEEE，2011：1-6”通过拟合实测频率数据拟合其二阶导数曲线预测系统最低频率，但其计算精度较低，仅在频率临近最低值时才能取得较高的精度。

发明内容

为解决现有技术存在的上述问题，本发明提出一种基于支持向量回归的电力系统扰动后频率动态预测方法。

本发明具体的技术方案为：一种基于支持向量回归的电力系统扰动后频率动态预测方法，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；