[发明专利]一种基于时空信息同步学习的电网暂态电压稳定评估方法

说明书

一种基于时空信息同步学习的电网暂态电压稳定评估方法，先对电网在各种运行方式下的各种暂态故障进行时域仿真，从中提取各监测节点时序响应轨迹和电网暂态信息，得到暂态样本集；再利用电网网络阻抗矩阵和不同时间断面下电网状态的关联关系分别构建空间邻接矩阵和时序邻接矩阵，并集成为时空邻接矩阵，综合表征电网暂态过程中不同时间断面下各监测节点间的时空相关性；接着利用图卷积神经网络算法进行时空信息同步学习，训练得到时空信息同步驱动的暂态电压稳定分类评估模型；最后将实时获取各监测节点的暂态时序响应轨迹输入暂态电压稳定分类评估模型中，得到电网暂态电压稳定评估结果。本发明可对电网暂态电压稳定状态进行快速可靠的在线评估。

技术领域

本发明涉及电网暂态电压稳定评估技术领域，尤其指一种基于时空信息同步学习的电网暂态电压稳定评估方法。

背景技术

在我国大湾区、京津冀、长三角等人口高度密集的城市群，当城市电网遭受暂态故障等严重扰动后，大量感应电动机低压迅速吸收无功的不良特性极易造成暂态电压支撑不足的问题。另一方面，现有城市电网难以根据实际电力负荷需求进行扩张，也无法在本地大规模新建发电站或配备大容量无功补偿设备，这将进一步加剧暂态扰动后区域性无功和电压支撑不足的问题。在城市电网等实际复杂电网的实时运行中，若无法对电网暂态电压稳定性进行可靠的评估并及时采取控制措施，将极易引发大范围电压失稳甚至崩溃事故。

针对电网暂态电压稳定在线评估的挑战性难题，近年来已有不少研究机构和电网公司在充分利用机器学习等先进技术的基础上，提出了数据驱动的电网暂态电压稳定评估方法。然而，现有方法多以分立方式对实际电网暂态过程的时序、空间信息简单地进行异步学习，缺乏有效的同步处理机制，其稳定评估模型的学习过程不可避免地存在信息损失，这将影响稳定评估模型的可靠性。

发明内容

本发明所要解决的技术问题是提供一种基于时空信息同步学习的电网暂态电压稳定评估方法，以实现对电网暂态电压稳定性进行快速而可靠的在线评估。

为了解决上述技术问题，本发明采用如下技术方法：一种基于时空信息同步学习的电网暂态电压稳定评估方法，包括：

步骤S1，对电网在各种运行方式下的各种暂态故障进行时域仿真，从时域仿真过程中提取各监测节点的时序响应轨迹和电网的暂态电压稳定状态信息，得到暂态样本集；

步骤S2，利用电网的网络阻抗矩阵和不同时间断面下电网状态的关联关系分别构建空间邻接矩阵和时序邻接矩阵，将该两种矩阵进一步集成为时空邻接矩阵，以综合表征电网暂态过程中不同时间断面下各监测节点间的时空相关性；

步骤S3，利用图卷积神经网络算法对所述暂态样本集进行时空信息同步学习，训练得到时空信息同步驱动的暂态电压稳定分类评估模型；

步骤S4，当电网在线运行中遭遇暂态故障时，实时获取各监测节点的暂态时序响应轨迹，输入暂态电压稳定分类评估模型中，由模型实时输出电网暂态电压稳定的在线评估结果。

进一步地，步骤S1中，从电网的调度运行系统中获取电网的运行方式集和暂态故障集，采用机电暂态时域仿真方法对电网在各种运行方式下的各种暂态故障进行次时域仿真，，为运行方式种类数量，为暂态故障种类数量，记录各监测节点在遭遇暂态故障后个时间断面的电压、电流、有功功率、无功功率时序响应轨迹，并记录每次时域仿真过程中的电网状态，用表示暂态电压稳定，表示暂态电压失稳，将一次时域仿真过程中记录的所有时序响应轨迹和电网状态构成一个暂态样本，收集次时域仿真所得到的所有暂态样本，形成一个包含个样本的暂态样本集。

更进一步地，步骤S2包括：

步骤S21，构建度量电网各监测节点之间邻近程度的空间邻接矩阵，如下式：

(1)

(2)

(3)

(4)

(5)