[发明专利]一种电力系统负荷区域暂态电压稳定的评估方法

摘要

本发明涉及一种电力系统负荷区域暂态电压稳定的评估方法，属于电力系统稳定分析评估领域。本发明方法以同步相量测量单元的量测数据为基础，通过大量仿真样本建立用于数据挖掘的初始样本库；通过区域内各节点的量化评估提取反映各节点稳定程度的特征量；通过多元线性回归的方法辨识得到反映区域网络内节点间相互影响关系的灵敏度系数；利用半监督聚类方法对所有样本进行标定；以决策树算法进行分类学习，得到决策树模型，将决策树模型用于在线监测，对电力系统负荷区域的整体暂态电压稳定状况实施评估。

主权项

一种电力系统负荷区域暂态电压稳定的评估方法，其特征在于该方法包括以下步骤：(1)设电力系统中的负荷区域内有k个节点，各节点序号分别为1，2，…，k，当电力系统处于稳态运行状态A时，从各节点的同步相量测量单元中，以时间间隔为ΔT采集该节点的电压、电流、有功功率和无功功率的实时量测数据，采样时长为T，设在稳态运行状态A时，电力系统中所有k个节点的负荷消耗的有功功率之和为PA，采用感应电动机与恒阻抗并联的电力系统综合负荷模型，分别建立电力系统负荷区域内各节点的等值负荷模型，并设电力系统各节点感应电动机消耗的有功功率与各节点的恒阻抗消耗的有功功率之比为Pm；(2)建立在上述步骤(1)的稳态运行状态A下的电力系统仿真模型，对该电力系统仿真模型中的元件参数和运行条件进行调整，通过时域仿真生成大量仿真样本，具体过程如下：(2‑1)将电力系统中所有k个节点的负荷消耗的有功功率之和依次调整为PA、PA×0.8和PA×1.2；(2‑2)分别在步骤(2‑1)的PA、PA×0.8和PA×1.2状态下，将电力系统各节点感应电动机消耗的有功功率与各节点的恒阻抗消耗的有功功率之比依次调整为Pm、0.5Pm、2Pm和4Pm；(2‑3)分别在步骤(2‑2)的Pm、0.5Pm、2Pm和4Pm下，对电力系统负荷区域内的每条输电线路，在线路全长的0％、20％、40％、60％、80％和100％处设置三相短路故障；(2‑4)分别在步骤(2‑3)的在线路全长的0％、20％、40％、60％、80％和100％处设置三相短路故障状态下，将上述每条输电线路两端三相短路故障的切除时间设置成两档，第一档为：近端切除时间0.05秒，远端切除时间0.1秒，第二档为近端切除时间0.35秒，远端切除时间0.4秒；(2‑5)分别在步骤(2‑4)的两档三相短路故障切除时间状态下，以步骤(1)的时间间隔ΔT和采样时长T，对电力系统仿真模型进行N次时域仿真，分别记录每次时域仿真过程中电力系统负荷区域内所有k个节点的电压、无功功率和感应电动机滑差随时间的变化曲线，将三种曲线分别记为U、Q和s，并分别记录每次时域仿真过程中电力系统负荷区域内每条输电线路三相短路故障的发生时刻t0、切除时刻tc以及各节点的状态Z，将节点处于稳定状态记为Z＝1，节点处于失稳状态记为Z＝0，将一次时域仿真过程中记录的数据集合成一个样本，共N个样本形成一个初始样本库；(3)从上述步骤(2)的初始样本库中获取电力系统中负荷区域内所有节点的感应电动机滑差的变化曲线s及各节点状态Z的记录，计算电力系统负荷区域内各节点的电压稳定度量指标，具体过程如下：(3‑1)从初始样本库中获取第m个样本的第i个节点上，在三相短路故障的发生时刻t0和三相短路故障的切除时刻tc，感应电动机滑差分别为s0和sc，其中1≤m≤N，1≤i≤k；(3‑2)从初始样本库中获取第m个样本的第i个节点的节点状态Z，对Z进行判断，若Z＝1，则该节点为稳定节点，从三相短路故障切除时刻tc开始，节点上感应电动机滑差在随后的变化过程中第一次感应电动机滑差恢复到s0的时刻为t1，滑差恢复时间为Kr：Kr=t1-tc(t1-tc≤KTr)KTr(t1-tc>KTr)]]>其中，Tr为稳定节点的监测时间窗，取值为1秒，K为临界状态的保守系数，取值为0.95，对Kr进行规范化处理，得到标准化的节点电压稳定度量指标KVS：KVS=(1-KrTr)(1-0)+0;]]>若Z＝0，则该节点为失稳节点，从三相短路故障切除时刻tc开始，节点上感应电动机滑差在随后的变化过程中达到(2sc‑s0)的时刻为t2，滑差增长时间为Kg：Kg=t2-tc(t2-tc≤KTg)KTg(t2-tc>KTg);]]>其中，Tg为失稳节点的监测时间窗，取值为1秒，K为临界状态的保守系数，取值为0.95，对Kr进行规范化处理，得到标准化的节点电压稳定度量指标KVS：KVS=KgTg(0-(-1))+(-1);]]>(3‑3)遍历初始样本库中第m个样本的所有k个节点，重复上述步骤(3‑1)和(3‑2)，得到第m个样本中所有k个节点电压稳定度量指标；(3‑4)遍历初始样本库N个样本中所有样本，重复上述步骤(3‑1)～(3‑3)，得到电力系统负荷区域内所有节点的电压稳定度量指标；(4)从上述步骤(2)的初始样本库中获取电力系统中负荷区域内在三相短路故障切除时刻tc后的时间Δt内，所有节点的电压和无功功率随时间的变化曲线U和Q，通过多元线性回归分析的方法得到各节点间电压无功灵敏度系数，以此作为表征电力系统负荷区域内各节点之间相互影响的特征量，其中Δt＝(n–1)×ΔT，ΔT为仿真时间间隔，n为所获取的变化曲线上的数据点数，具体过程如下：(4‑1)从上述步骤(2)的初始样本库中获取电力系统中负荷区域内在三相短路故障切除时刻tc后的时间Δt内，所有节点的电压和无功功率随时间的变化曲线U和Q，其中Δt＝(n–1)×ΔT，ΔT为仿真时间间隔，n为所获取的变化曲线上的数据点数；(4‑2)从变化曲线U，得到初始样本库中第m个样本的第i个节点，电压随时间的变化曲线上各点数值依次为{u1i,u2i,…,uni}，第j个节点的无功功率随时间的变化曲线Q上各点数值依次为{Q1j,Q2j,…,Qnj}，其中j＝1,2,…,k，建立第i个节点的多元线性回归模型如下：U=Xβ+ϵE(ϵ)=0,COV(ϵ,ϵ)=σ2In]]>其中，U=u1iu2i...uni,]]>X=1Q11Q12...Q1k1Q21Q22...Q2k...............1Qn1Qn2...Qnk,]]>β为回归系数向量，β=β0iβ1i...βki,]]>ε为误差向量，ϵ=ϵ1iϵ2i...ϵni,]]>In为n阶单位矩阵，E(ε)和COV(ε,ε)分别表示误差向量的期望和方差；(4‑3)定义在三相短路故障切除时刻tc后的时间Δt内，电力系统负荷区域内的第j个节点无功功率对第i个节点电压的灵敏度系数为j＝1,2,…,k，以最小二乘法求解上述步骤(4‑2)中的第i个节点的多元线性回归模型，得到回归系数β1i～βki，即为各节点无功功率对第i个节点电压的灵敏度系数；(4‑4)设上述步骤(4‑3)的β1i～βki中的最大值、最小值分别为βimax和βimin，对灵敏度系数进行规范化处理，得到第j个节点无功功率对第i个节点电压的标准化灵敏度系数αij：αji=βji-βiminβimax-βimin(1-(-1))+(-1)]]>(4‑5)遍历第m个样本中所有k个节点，重复上述步骤(4‑1)～(4‑4)，得到第m个样本中所有k个节点电压无功功率灵敏度系数；(4‑6)遍历初始样本库中所有N个样本的所有k个节点，重复上述步骤(4‑1)～(4‑5)，得到所有N个样本中所有k个节点的电压无功功率灵敏度系数；(5)对上述步骤(3)和步骤(4)计算得到的所有N个样本的所有k个节点的电压稳定度量指标和电压无功功率灵敏度系数，利用半监督聚类方法进行处理，具体过程如下：(5‑1)将上述步骤(3)和步骤(4)计算得到的所有N个样本的所有k个节点电压稳定度量指标和电压无功功率灵敏度系数构成一个数据集C，该数据集C的维度为(k2+k)，数据集C的特征属性包含k个节点稳定度量指标和k2个灵敏度系数；(5‑2)对上述步骤(5‑1)的数据集C的第m个样本所有k个节点的电压稳定度量指标进行判断，若所有节点的电压稳定度量指标同时满足KVS＞0，则判定电力系统负荷区域处于稳定状态，并将第m个样本的类标号记为R＝1；若所有节点的电压稳定度量指标同时满足KVS＜0，则判定电力系统负荷区域处于失稳状态，并将第m个样本的类标号记为R＝0；若有k1个节点的电压稳定度量指标满足KVS＞0，k2个节点的电压稳定度量指标满足KVS≤0，其中k1+k2＝k，则对第m个样本的类标号不作任何标记，其中R＝1表示区域稳定状态，R＝0表示区域失稳状态；(5‑3)遍历数据集C中所有N个样本，重复上述步骤(5‑2)，直至完成所有N个样本的判断，得到电力系统负荷区域处于稳定状态和失稳状态的样本数目分别为N1和N2，并分别构成区域稳定子集C1和区域失稳子集C2，将区域稳定子集C1内各样本之间的关系和区域失稳子集C2内各样本之间的关系同时定义为必须连接约束关系，C1的样本与C2的样本之间的关系定义为不可连接约束关系；(5‑4)分别对上述步骤(5‑3)的区域稳定子集C1和区域失稳子集C2中的样本各维度特征属性值进行均值计算，得到区域稳定子集C1和区域失稳子集C2中各维度特征属性值的算术平均值，将得到的多个算术平均值按维度顺序组合，得到相应的两个组合样本O1和O2，其中组合样本O1的类标号为R＝1，组合样本O2的类标号为R＝0；(5‑5)定义上述组合样本O1和组合样本O2为聚类过程的两个初始聚类中心，区域稳定子集C1和区域失稳子集C2为聚类过程的两个初始簇，对数据集C中的第m个样本进行判断，若该样本中存在必须连接约束关系或不可连接约束关系，则将该样本分配到该样本所属的初始簇中；若该样本中不存在必须连接约束关系和不可连接约束关系，则分别计算该样本与组合样本O1和组合样本O2的欧几里得距离，将欧几里得距离分别记为d1和d2，对d1和d2进行比较，若d1≤d2，则将该样本分配到区域稳定子集C1中去，并将该样本的类标号记为R＝1，若d1＞d2，则将该样本分配到区域失稳子集C2中去，并将该样本的类标号记为R＝0；(5‑6)遍历数据集C中所有N个样本，重复上述步骤(5‑5)，得到所有样本的类标号，再重复步骤(5‑4)的均值计算方法，对步骤(5‑5)的聚类中心O1和聚类中心O2进行更新；(5‑7)重复上述步骤(5‑5)和步骤(5‑6)，分别将本次聚类得到所有样本类标号与上一次聚类得到的相应样本类标号进行一一对比，若本次聚类的所有样本类标号与上一次聚类的相应样本类标号都一致，则表示数据集C的聚类已经稳定，得到数据集C的所有样本类标号，结束聚类迭代，进行步骤(5‑8)，若本次聚类的所有样本类标号与上一次聚类的相应样本类标号不全部一致，则重复上述步骤(5‑5)和(5‑6)，继续迭代，直到本次聚类的所有样本类标号与上一次聚类的相应样本类标号都一致，得到数据集C的所有样本类标号；(6)构成一个数据挖掘训练集，将上述步骤(5‑1)的数据集C中的所有数据作为数据挖掘训练集的输入数据，将步骤(5‑7)得到的数据集C的所有样本类标号作为数据挖掘训练集的输出数据，以决策树算法对数据挖掘训练集进行分类学习，得到一个决策树模型，以交叉验证方式计算决策树模型的分类准确率Pre，若Pre≥97％，表示决策树模型分类性能满足要求，进行步骤(7)，若Pre＜97％，以决策树算法重新对数据挖掘训练集进行分类学习，直到得到的决策树模型的分类准确率满足Pre≥97％，进行步骤(7)；(7)当电力系统遭遇短期大扰动时，电力系统负荷区域内各节点的同步相量测量单元实时采集该节点的电压、电流、有功功率、无功功率的实时量测数据，利用上述步骤(2)得到该节点的等值负荷模型中感应电动机滑差的实时变化曲线s和该节点状态Z；利用步骤(3)和步骤(4)，得到电力系统遭遇短期大扰动下电力系统负荷区域内所有节点的电压稳定度量指标和电压无功功率灵敏度系数，将电压稳定度量指标和电压无功功率灵敏度系数输入到步骤(6)的决策树模型中，由决策树模型输出类标号R，作为电力系统区域暂态电压稳定的实时评估结果。