[发明专利]一种电力系统大扰动稳定性判别方法

权利要求书

1.一种电力系统大扰动稳定性判别方法，其特征在于，根据时域仿真计算方法和电力系统安全稳定导则，对s种运行工况在f种故障下的暂态电压稳定性、暂态功角稳定性、大扰动动态稳定性进行计算，得到s×f种运行场景下大扰动后n个采样点的所有发电机转子角度所有母线的电压幅值以及大扰动稳定性标签y^k；

根据大扰动后n个采样点的所有发电机转子角度所有母线的电压幅值选取受扰严重发电机和受扰严重母线，计算得到第k种运行场景下的特征向量X^k；

将每种场景的特征向量X^k中的发电机变量和母线变量，分别排列成两组二维数据，将两组二维数据分别输入至卷积层、池化层、批量归一化层和全连接层，输出得到发电机变量的输出o_k¹和母线变量的输出o_k²，将发电机变量o_k¹和母线变量的输出o_k²合并输入至全连接层，得到大扰动稳定判别模型M的结构；

根据s×f种运行场景的特征向量X^k、大扰动稳定性标签y^k和基于自适应矩估计的梯度下降算法，迭代计算待求参数W_l(1)¹、H_g(1)¹、W_l(2)²、H_g(2)²和H_g(3)³，得到最终的大扰动稳定性判别模型M；

获取大扰动后所有发电机的转子角度、所有母线的电压幅值，经过计算并输入至电力系统大扰动稳定性判别模型M中，得到电力系统大扰动稳定性判别结果。

2.如权利要求1所述的电力系统大扰动稳定性判别方法，其特征在于，该方法的具体步骤如下：

(1)对具有N台发电机、M个母线的电力系统，根据时域仿真计算方法和电力系统安全稳定导则，对s种运行工况在f种故障下的暂态电压稳定性、暂态功角稳定性、大扰动动态稳定性进行计算，得到s×f种运行场景下大扰动后n个采样点的所有发电机转子角度所有母线的电压幅值以及大扰动稳定性标签y^k：

其中，上标k表示第k种运行场景，k＝1,2,…,s×f，下标i表示电力系统中的第i台发电机，i＝1,2,…,N，下标j表示电力系统中的第j个母线，j＝1,2,…,M，t表示第t个采样点，t＝1,2,…,n，n为人为设定的采样点数，电力系统在第k种运行场景下的大扰动稳定性标签y^k＝(y_k¹,y_k²,y_k³)，其中，y_k¹表示第k种运行场景下电力系统在大扰动后的暂态功角稳定性，用y_k¹＝1表示电力系统无法保持暂态功角稳定，用y_k¹＝0时表示电力系统能够保持暂态功角稳定，y_k²表示第k种运行场景下电力系统在大扰动后的暂态电压稳定性，用y_k²＝1表示电力系统无法保持暂态电压稳定，用y_k²＝0时表示电力系统能够保持暂态电压稳定，y_k³表示第k种运行场景下电力系统在大扰动后的动态稳定性，用y_k³＝1表示电力系统无法保持动态稳定，用y_k³＝0时表示电力系统在大扰动后不发生发散振荡或持续的振荡，即能够保持动态稳定；

(2)根据大扰动后n个采样点的所有发电机转子角度δ_i^k(t)、所有母线的电压幅值选取受扰严重发电机和受扰严重母线，计算得到第k种运行场景下的特征向量X^k，具体步骤如下：

(2-1)根据步骤(1)得到的所有发电机转子角度计算得到电力系统中受扰严重的a台发电机的相对转子角，具体步骤如下：

(2-1-1)依次计算电力系统在第k个运行场景中所有发电机在采样点t的相对转子角

其中，表示在第k个运行场景中第i台发电机在采样点t的相对转子角，下标i表示电力系统中的第i台发电机，i＝1,2,…,N，t表示第t个采样点，t＝1,2,…,n；

(2-1-2)依次计算电力系统在第k个运行场景中第i台发电机在n个采样点的相对转子角绝对值的平均值

(2-1-3)依次计算电力系统在第k个运行场景中第i台发电机在n个采样点的相对转子角的极差

(2-1-4)将步骤(2-1-2)得到的电力系统在第k个运行场景中所有发电机的相对转子角绝对平均值由大到小进行排序，得到发电机i的相对转子角绝对平均值在第k个运行场景中的排序r₁^k(i)，将步骤(2-1-3)得到的电力系统在第k个运行场景中所有发电机相对转子角极差由大到小进行排序，得到发电机i的相对转子角极差在第k个运行场景中排序r₂^k(i)，根据发电机i在第k个运行场景中的排序r₁^k(i)和排序r₂^k(i)，计算发电机i在第k个运行场景中的受扰严重程度评价指标D_{gen_i}^k：

(2-1-5)将步骤(2-1-4)得到的在第k个运行场景中所有发电机受扰严重程度评价指标D_{gen_i}^k从小到大排序，选取排在前a台发电机作为受扰严重发电机，编号分别记为G₁^k，G₂^k，…，G_a^k，依次采集第k个运行场景中受扰严重发电机G₁^k，G₂^k，…，G_a^k在采样点t的相对转子角，得到其中a的值由人为设定，且满足2aN，t＝1,2,…,n；

(2-2)根据步骤(1)得到的所有母线的电压幅值依次计算得到电力系统在第k个运行场景中受扰最严重的b个母线，具体步骤如下：

(2-2-1)依次计算电力系统在第k个运行场景中第j个母线在n个采样点的电压幅值的平均值mean(V_j^k)：

其中，V_j^k(t)表示在第k个运行场景中第j个母线在采样点t的电压幅值，t＝1,2,…,n，下标j表示电力系统中的第j个母线，j＝1,2,…,M；

(2-2-2)依次计算电力系统在第k个运行场景中第j个母线在n个采样点的电压幅值的极差range(V_j^k)：

(2-2-3)将步骤(2-1-1)得到的电力系统在第k个运行场景中所有母线的电压幅值平均值由小到大进行排序，得到母线j的电压幅值平均值在第k个运行场景中的排序r₃^k(j)，将步骤(2-2-2)得到的所有母线电压幅值的极差由大到小进行排序，得到母线j的电压幅值的极差在第k个运行场景中的排序r₄^k(j)，根据母线j在第k个运行场景中的排序r₃^k(j)和排序r₄^k(j)，计算母线j在第k个运行场景中的受扰严重程度评价指标D_{bus_j}^k：

(2-2-4)将步骤(2-2-3)得到的在第k个运行场景中所有母线的受扰严重程度评价指标D_{bus_j}^k从小到大排序，选取排在前b台母线作为受扰严重母线，编号分别记为B₁^k，B₂^k，…，B_b^k，依次采集第k个运行场景中受扰严重母线B₁^k，B₂^k，…，B_b^k在采样点t的电压幅值，得到其中b的值由人为设定，且满足2bM，t＝1,2,…,n；

(2-3)根据步骤(2-1-5)得到的a台受扰严重发电机的相对转子角及步骤(2-2-4)得到的b个受扰严重母线的电压幅值构成第k个运行场景的特征向量

(3)将每种场景的特征向量X^k中的发电机变量和母线变量分别排列成两组二维数据，将两组二维数据分别输入至卷积层、池化层、批量归一化层和全连接层，输出得到发电机变量的输出o_k¹和母线变量的输出o_k²，最后，将发电机变量o_k¹和母线变量的输出o_k²合并输入至全连接层，得到大扰动稳定判别模型M的结构，具体包括以下步骤：

(3-1)将步骤(2-3)得到的进行最大最小归一化，然后按照发电机维度、时间维度排列成二维数据，该二维数据的维度为a×n，将该二维数据输入至c₁个卷积层、p₁个池化层、z₁个批量归一化层，然后将输出结果平铺后输入至q₁个全连接层，得到输出o_k¹，其中，将c₁个卷积层中第l(1)个卷积层的所有待求参数记为W_l(1)¹，l(1)＝1,…,c₁，将q₁个全连接层中第g(1)个全连接层的所有待求参数记为H_g(1)¹，g(1)＝1,…,q₁；其中的卷积层、池化层、批量归一化层和全连接层的个数及位置，卷积层中卷积核的个数和尺寸，池化层的尺寸以及全连接层的神经元数均由人为确定；

(3-2)将步骤(2-3)得到的按照母线维度、时间维度排列成二维数据，该二维数据的维度为b×n，然后将该二维数据输入至c₂个卷积层、p₂个池化层、z₂个批量归一化层，然后将输出结果平铺后输入至q₂个全连接层，得到输出o_k²，其中，将c₂个卷积层的待求参数记为W_l(2)²，l(2)＝1,…,c₂，将q₂个全连接层中第g(2)个全连接层的所有待求参数记为H_g(2)²，g(2)＝1,…,q₂；其中的卷积层、池化层、批量归一化层、全连接层的个数及位置、卷积层中卷积核的个数和尺寸、池化层的尺寸以及全连接层的神经元数均由人为确定；

(3-3)将步骤(3-1)得到的o_k¹和步骤(2-2)得到的o_k²合并为[o_k¹，o_k²]，然后将[o_k¹，o_k²]输入至w个全连接层中，将w个全连接层中第g(3)个全连接层的所有待求参数记为H_g(3)³，g(3)＝1,…,w；其中，全连接层w的个数以及前w-1个全连接层的神经元数根据经验确定，第w个全连接层的输出维度为3，第w个全连接层的激活函数为sigmoid函数，输出记为O_k＝(O_k¹,O_k²,O_k³)，其中，若O_k¹≥0.5表示系统在大扰动后存在暂态功角失稳现象，若O_k¹＜0.5表示系统在大扰动后不存在暂态功角失稳现象，若O_k²≥0.5表示系统在大扰动后存在暂态电压失稳现象，若O_k²＜0.5表示系统在大扰动后不存在暂态电压失稳现象，若O_k³≥0.5表示系统在大扰动后存在动态失稳现象，若O_k³＜0.5表示系统在大扰动后不发生发散振荡或持续的振荡；

(4)根据步骤(2)得到的s×f种运行场景的特征向量X^k、步骤(1)得到的大扰动稳定性标签y^k和基于自适应矩估计的梯度下降算法，即Adam算法，迭代计算步骤(3)中的所有待求参数W_l(1)¹、H_g(1)¹、W_l(2)²、H_g(2)²和H_g(3)³，得到最终的大扰动稳定性判别模型M，其中，所采用的损失函数loss的具体计算公式如下：

其中，N_train表示从s×f种运行场景中选择作为训练集的运行场景数，N_train的值由人工设定，且满足0.5×s×fN_trains×f，剩余s×f-N_train种运行场景作为验证集；

(5)从电力系统仿真数据或者广域测量系统的量测数据中获取大扰动后所有发电机的转子角度、所有母线的电压幅值，经过计算并输入至步骤(4)得到的电力系统大扰动稳定性判别模型M中，得到电力系统大扰动稳定性判别结果，具体包括如下步骤：

(5-1)利用电力系统仿真数据或者直接采集广域测量系统的量测数据，得到大扰动后n个采样点的发电机转子角度δ_i^new(t)、母线的电压幅值V_j^new(t)，采用步骤(2-1)的方法得到a台受扰严重发电机的相对转子角采用步骤(2-2)的方法得到b个受扰严重母线的电压幅值t＝1,2,…,n；

(5-2)将步骤(5-1)得到的a台受扰严重发电机的相对转子角进行归一化处理，排列成a×n的二维数据，将步骤(5-1)得到的b个受扰严重母线的电压幅值排列成b×n的二维数据，然后将a×n的二维数据和b×n的二维数据输入至步骤(4)得到的电力系统大扰动稳定判别模型M中，得到电力系统的大扰动稳定性判别结果。