[发明专利]基于搜索吸引子误差算法的电力系统状态识别方法

说明书

本发明公开了一种基于快速准确搜索吸引子误差算法的电力系统状态识别方法，首先建立一个k阶电力系统模型随模型双参数的区间变化，得到系统运动状态在该区间变化平面上的分布；然后根据数值分析方法求解k阶系统微分方程得到系统的序列，通过计算迭代序列中极大值的一阶误差来判断系统运动轨迹，估计出系统混沌或者系统失稳。同时，本发明采用的极值误差算法分析扰动负荷对电力系统混沌模型影响，具有快速、高效且准确特点，在电力系统混沌动力学特性研究领域具有重要的意义。

技术领域

本发明涉及一种电力系统状态识别方法，属于电力系统动力学技术领域。

背景技术

随着电力系统稳定性问题的深入研究，发现系统在遭受外界扰动时，例如周期性负荷扰动、电磁功率扰动，只要扰动幅值和频率满足一定条件，系统将产生混沌振荡。在研究电力系统的混沌动力学特性时，往往作出扰动负荷频率或者幅值的分岔图与Lyapunov指数谱，再结合两者分析出电力系统在某一参数区间的稳定性。显然，这只是单一维度的分析系统运动状态，而若是同时考虑扰动负荷频率和幅值对电力系统的影响，则分岔图和Lyapunov指数谱遍历该参数域。因此，当考虑扰动负荷频率与幅值对电力系统的影响时，需要一种新的算法来分析计算。

目前，分析扰动负荷对电力系统混沌模型影响，常用的方法是通过计算系统在各个参数条件下的序列谱熵复杂度或者最大Lyapunov指数来判断系统的运动状态。其中，计算序列谱熵复杂度来搜索吸引子，虽然程序运行速度快于计算Lyapunov指数程序，但是判断不是很准确而且运动状态区分不是很明显；而计算最大Lyapunov指数虽然能够准确区分系统周期、混沌和稳定轨迹，但是运行速度过慢且不能区分周期态。

发明内容

本发明所要解决的技术问题是：为了克服现有技术的缺点，本发明提出一种能够弥补上述提到算法存在运算速度慢、准确性差、搜索效率低等缺点，提出一种快速、清晰、准确的算法解决双参数变化吸引子状态判断的方法。能够快速地判断吸引子的状态为周期、混沌或者稳定点，以及区分系统运动轨迹是为单周期还是多周期，提高了有扰动下的电力系统运行状态识别效率。

本发明为解决上述技术问题采用以下技术方案：

本发明提出一种基于快速准确搜索吸引子误差算法的电力系统状态识别方法，

首先，建立一个k阶电力系统模型，选取电磁功率扰动幅值及其频率这两个参数，根据模型随这两个参数的变化区间，得到系统运动状态在该区间变化平面上的分布；

然后，根据数值分析方法求解k阶系统微分方程得到系统的序列，通过计算迭代序列中极大值的一阶误差来判断系统运动轨迹，识别出电力系统状态为周期、混沌或者稳定点。

进一步的，本发明所提出的电力系统状态识别方法，设模型参数电磁功率扰动幅值μ和电磁功率扰动频率η分别在区间[μ₁,μ₂]和[η₁,η₂]变化，将μ-η平面进行网格化，即将区间[μ₁,μ₂]和[η₁,η₂]分别分成N等份，得到系统运动状态在该区间变化平面上的分布。

进一步的，本发明所提出的电力系统状态识别方法，所述根据数值分析方法求解电力系统模型得到系统的序列，通过计算迭代序列中极大值的一阶误差来判断系统运动轨迹，具体是指：

步骤1)、当μ＝μ₁+n₁(μ₂-μ₁)/N,η＝η₁+n₂(η₂-η₁)/N时，根据四阶Runge-Kutta求解k阶系统微分方程f(x₁,x₂,…,x_k)，得到系统的迭代序列为：