[发明专利]一种利用稳态信息定量评估电力系统暂态稳定裕度的方法

摘要

本发明是一种利用稳态信息定量评估电力系统暂态稳定裕度的方法，其特点是，首先依据轨迹分析法计算不同潮流断面下区域联络线严重故障时表征系统暂态稳定裕度的发电机稳定指标和不稳定指标；进一步通过复合神经网络建立起稳态运行特征变量与发电机稳定、不稳定指标之间的映射关系；最后实现仅通过稳态信息定量评估系统的暂态稳定裕度，为电网调度人员采取预防控制措施提供决策依据。

主权项

一种利用稳态信息定量评估电力系统暂态稳定裕度的方法，其特征是评估结果不依赖于动态轨迹信息，它包括以下内容：1)采用轨迹分析方法中的稳定指标和不稳定指标来定量评估电力系统中发电机的暂态稳定程度，电力系统暂态稳定性越好，稳定指标绝对值越大，不稳定指标为0；电力系统暂态失稳越严重，不稳定指标绝对值越大，稳定指标为0；2)构建复合神经网络来建立电力系统运行初态和发电机暂态稳定指标之间的映射关系，实现仅基于稳态信息的暂态稳定裕度定量评估，根据电网实际经验构建电网故障集，即区域间联络线三相短路故障，每一个电网仿真样本包含该运行方式下的稳态运行特征变量及故障集中最严重故障下的发电机稳定指标St与不稳定指标Ut，稳态运行特征变量构成输入特征集作为训练网络的输入，为了避免因降维而导致关键信息的缺失和遗漏，稳态运行特征变量无需进行降维处理，发电机稳定指标St与不稳定指标Ut作为训练网络的输出；(1)第一层采用概率神经网络(PNN)进行数据分类，训练输入为稳态运行特征变量集，训练输出为不稳定集和稳定集，分别标识为0和1，将输入样本根据稳定性状况分成稳定、不稳定2类，训练样本经PNN分类后，每个子类样本属于同一类别，具有相似特征，在形成BP子网时，各类子网对当前类的样本更具针对性；(2)第二层采用BP神经网络，其中BP输入层是PNN分类后的样本，根据输入特征数合理设置隐含层的神经元个数，BP输出层是发电机稳定指标St与不稳定指标Ut，分类后的样本经训练后用于对不同类别的样本中各发电机稳定、不稳定指标进行预测；(3)为改善PNN误分类的缺陷，采用交叉训练的方式进行检查修正操作：被PNN分类为稳定类的样本进入稳定类与不稳定类BP子网，分别训练得到该发电机非0的稳定指标与为0的不稳定指标，其中不稳定指标用于检查修正稳定指标的训练结果，即只有在不稳定指标为0、稳定指标非0时，稳定指标作为结果输出；而不稳定指标非0时，稳定样本被再次划分为不稳定样本，这种修正方法可有效减少误判样本，即不稳定错误分类成稳定的个数；同理，被PNN分类为不稳定类的样本会同时进入稳定类与不稳定类BP子网，分别训练得到该发电机为0的稳定指标与非0的不稳定指标，稳定类BP子网中得到的稳定指标用于检查修正不稳定指标的训练结果，即只有在稳定指标为0、不稳定指标非0时，稳定指标作为结果输出为0；而稳定指标非0时，不稳定样本被再次划分为稳定样本，这种修正方法可有效减少漏判样本，即稳定错误分类成不稳定的个数。