[发明专利]一种基于肘形判据的同调机群聚类识别方法

说明书

本发明提供了一种基于肘形判据的同调机群聚类识别方法，通过读取BPA稳定数据，形成发电机转子摇摆角差矩阵；采用最大最小距离法选取个聚类中心；根据基于GSA的肘形判据估计最佳聚类个数；根据最佳聚类个数进行聚类分析，得到多个同调机群。本发明采用基于GSA的肘形判据来进行发电机组的同调判别，能够自动估计最佳聚类个数，自动判别结果准确，符合实际，既考虑了个别点偏移较大带来的局部影响，又兼顾振荡能量的全局统计，自适应能力较强，同时采用最大最小距离法选取聚类中心，聚类结果更加稳定。

技术领域

本发明涉及电力系统稳定分析领域，具体涉及一种基于肘形判据的同调机群聚类识别方法。

背景技术

随着国民经济的快速发展，各电力系统迅速向多机(上百台机)、大电网(几千条线路、几千条母线)、交直流联合输电及大区联网运行发展，使得电力系统的动态分析十分困难；用计算机分析时，其机时、内存、数据准备及计算结果的分析方面也困难重重。而实际上对一个大电力系统的动态研究一般最感兴趣的只是其中某一个区域，称之为研究系统，而对距此区域较远的区域，研究中只考虑其对研究区域的影响，其内部不必详细描写，可作降阶及简化，以节省研究的人力和物力，这种拟作简化的区域称为外部系统。系统简化可以突出主要矛盾，对于掌握研究系统的主要特征十分必要。这种保留研究系统不变，而对外部系统在保证其对研究系统的动态影响不畸变的条件下，进行简化的过程称为动态等值。

现代的电力系统动态等值方法主要包括3大类：同调等值法(CoherencyEquivalents)、模式等值法(Modal Equivalents)和估计等值法(EstimationEquivalents)。其中，应用最广泛的是同调等值法，该方法以电力系统中发电机同调性为理论基础，主要应用于大规模电力系统的离线暂态(大扰动)分析。同调机群识别是同调等值的重要步骤之一，同调机群识别的常用信息包括系统的模型数据、状态变量在初始时刻的静态数据、受扰后某些特殊瞬间的动态数据、以及受扰过程中的时间响应曲线数据。同调机群识别方法主要包括以下几类：(1)基于特征量的分类法，其基本思路是选择一组能够准确描述发电机同调性质的特征参数，根据预先选择的合适的同调判别标准，利用合适的分群算法对形成的数据集进行分类得到同调发电机分组结果，对于事先预知分类数的同调机群识别问题，此类方法具有直观、简便的优点，但是对于事先不知道分类数的情况，需要根据经验给出大致的分类数，这无疑带有一定的主观因素，提高了操作的难度，降低了方法的实用性；(2)基于线性化系统矩阵的解析法，这类方法基于线性化的系统状态方程进行研究，状态矩阵的每个特征值对应一种振荡模式，分析特征值所对应的特征向量以确定机组间的相关程度，从而判别同调发电机组，典型方法有基于雅克比矩阵的分解法、双时间尺度方法和慢同调法等，线性化状态方程的方法在小干扰分析中有广泛应用，然而对大干扰情况是否适用、为何适用，其机理仍有待研究；(3)基于发电机功角曲线的数据挖掘法，这类方法从发电机功角曲线出发，基于功角的时域、频域特性数据获取同调信息，这种方法不需要知道机组参数，在实时判别中具有很好的应用前景，但是由于基于功角曲线的数据挖掘是一种时序数据聚类或是高维数据聚类，算法复杂而耗时，因此如何从这一角度出发研究简洁、快速的算法仍是一个亟待解决的问题，本发明从该角度出发，提供一种新型基于肘形判据的同调机群聚类识别方法。

发明内容

本发明的目的在于提供一种基于肘形判据的同调机群聚类识别方法，以提高同调机组分群的准确性。该方法可以比较快速、准确地识别出电力系统暂态过程中的同调机群，实现同调机群的实时判别，从而为调度人员采取相应紧急控制措施提供了重要参考，提升电力系统的稳定控制水平。

实现本发明目的的技术解决方案为：一种基于肘形判据的同调机群聚类识别方法，包括以下步骤：

1、读取BPA稳定数据，形成发电机转子摇摆角差矩阵。

(1)读取BPA稳定程序的swi稳定文件，形成发电机转子摇摆曲线数据矩阵A；