[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

摘要

本发明提供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，扰动后电力系统最低频率的预测是电力系统频率动态安全稳定评估和制定自动切负荷等紧急控制措施的重要内容，本发明的基于支持向量回归的电力系统扰动后频率动态预测方法考虑了发电机的最大出力限制、旋转备用的水平及分配方式、原动机-调速器系统和负荷等对电力系统频率动态的影响。通过与PSS/E仿真结果进行比较，使用ν-SVR方法可以快速准确预测扰动后电力系统频率动态及最低频率，具有良好的泛化能力和推广性。进一步，可将使用ν-SVR方法所训练出的模型应用于电力系统频率的在线安全稳定评估和根据评估情况制定相应的紧急控制措施，防止系统频率崩溃。

主权项

基于支持向量回归的电力系统扰动后频率动态预测方法，其特征在于，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；步骤S22：对数据进行预处理；步骤S23：生成特征量；步骤S24：将特征量输入所训练好的ν‑SVR模型；步骤S25：对扰动后电力系统最低频率进行在线预测，并输出预测结果。