[发明专利]基于遗传算法优化的快变量退化方法中快变量的选择方法

说明书

本发明公开了基于遗传算法优化的快变量退化方法中快变量的选择方法，根据系统状态空间模型的特征值分布情况确定主导模态，利用参与因子分析法初步选择对于各主导模态的参与因子值均小于所设常数参数的状态变量作为快变量，并考虑到快变量退化方法在电力系统状态空间模型中应用的前提，构建遗传算法模型对快变量的选取进行优化。利用该发明对快变量的选取结果，可将输电系统状态空间模型的快、慢子系统分离，通过快变量退化方法实现对系统状态空间方程的快速求解。本发明能够保证快变量退化方法成功应用到输电系统空载线路合闸过电压评估的线性状态空间模型中，可保证选择的快变量对系统影响足够小，从而在快变量退化过程中减小快速求解的误差。

技术领域

本发明属于电力系统领域，具体涉及一种基于遗传算法优化的快变量退化方法中快变量的选择方法。

背景技术

在对电力系统输电网络恢复过程中空载输电线路合闸过电压进行评估时，由于涉及的系统属于线性系统，因此可以建立输电系统的数学模型，并采用线性状态空间法对系统的动态过程进行准确刻画。但由于输电系统趋向于大型化、基地化、跨区输送的发展方向，因此需要建立的状态空间模型阶数也较高。输电线路越多，线性状态空间模型的阶数越高，求解状态空间模型的时间也越长。为了满足电网恢复的快速性要求，需要提出快速求解状态空间方程的方法。

由状态空间方程描述的实际过程包含许多复杂的子过程。其中，有的子过程表现为缓慢变化的，且对于系统动态过程影响较大；另一些相对来说是快速变化的，且对于系统动态过程影响较小。而且前者和后者的变化速度相差数个量级，相应地，描述这些子过程的微分方程的解便可区分为慢变量和快变量。采用状态空间模型快变量退化的方法可以快速而简便地分离动态系统的子过程，并忽略少数对系统动态过程影响较小的子过程，即：将少数快变量对应的微分方程置零，从而实现原系统状态空间方程的降阶，达到快速求解状态空间方程的目的。

区分快、慢变量的常规标准是状态变量的系数大小，但单一的系数大小并不能完全表征状态变量对系统的影响程度，此外，电力系统输电网络模型中通常只有电容电压、电感电流这两类状态变量，而电容电压、电感电流各自的系数数量级基本一致，因此常规地以系数大小为标准区分快、慢变量的方法会导致其中一类状态变量的动态过程被全部忽略，从而导致方程无解。目前有部分研究考虑到各状态变量对系统动态特征的影响程度可用参与因子表征，故以参与因子值大小为标准来区分快、慢变量。但状态空间模型快变量退化方法得以应用的前提是：原状态空间方程在完成快、慢子系统的分离后，快变量构成的状态子矩阵非奇异，而对于电力系统输电网络恢复过程的研究场景，按参与因子值大小来区分快、慢变量并不能保证该前提，同样会导致方程无解。

发明内容

本发明的目的在于提供一种基于遗传算法优化的快变量退化方法中快变量的选择方法，以克服现有技术存在的缺陷，本发明能够保证快变量退化方法成功应用到输电系统的状态空间模型中，实现对输电系统高阶线性状态空间模型的快速求解，同时可保证选择的快变量对系统影响足够小，从而在退化过程中减少快速求解带来的误差，最终快速、准确地实现对电力系统输电网络恢复过程中空载线路合闸的过电压评估。

为达到上述目的，本发明采用如下技术方案：

基于遗传算法优化的快变量退化方法中快变量的选择方法，包括：

步骤1、对整体待研究系统进行状态空间建模，根据系统状态空间模型的特征值分布情况确定所有主导模态；

步骤2、对系统所有状态变量与步骤1中所得所有主导模态进行参与因子分析，根据参与因子分析结果，初步选择对于各主导模态的参与因子值均小于所设常数参数的状态变量作为快变量，其余状态变量作为慢变量；

步骤3：通过构建遗传算法模型，对步骤2中快变量的初步选择结果进行进一步优化，得到最终的快变量选择结果。

进一步地，步骤1中系统状态空间模型的特征值λ求解方式如下：

det(A-λI)＝0