当前位置: 首页 > 专利查询>张雪敏专利>正文

一种基于决策树辨识风电接入系统关键设备的方法技术方案

技术编号:14493073 阅读:74 留言:0更新日期:2017-01-29 15:37
本发明专利技术公开一种基于决策树辨识风电接入系统关键设备的方法。该方法包括:通过计算N次连锁故障的概率和N次连锁故障的停电规模,确定VaR指标的目标阈值,然后将N次连锁故障仿真数据采用递归方式生成决策树并分析,筛选决策树中符合要求的叶子节点,选取叶子节点所在的路径中的一个属性变量作为待定关键属性变量,对应的控制设备为待定关键设备,通过待定关键设备减少待定关键属性变量在所述路径中出现的概率,对进行控制后的系统进行停电风险评估,风险指标值满足要求,控制完成,仿真停止,证实该属性变量为关键设备。采用本发明专利技术方法可以分析除系统传输线路以外的关键停电因素,从分析结果中可以得到“关键故障集”,适用于含风电场的电力系统。

【技术实现步骤摘要】

本专利技术涉及电力领域,特别是涉及一种基于决策树辨识风电接入系统关键设备的方法
技术介绍
电力系统的安稳运行是维持人类社会正常运转与持续发展的重要保障,为了保证电力系统的安全性,根据时间段与安全分析要求的不同,需要在多场景中评估系统的运行状态并采取不同的方式控制系统的风险。为了降低系统的停电风险,通常要在分析停电过程的基础上,识别系统最容易导致大规模停电事故的薄弱环节或关键设备即关键停电因素,通过对该环节或设备采取相应的控制手段以降低引发严重后果的可能性。经查阅文献可知,一种是采用改进k核方法来识别电力系统中的脆弱线路。首先利用N-1校验得到线路开断造成的潮流转移功率增量,依此得到线路的相关性网络,并将线路看作虚拟的“节点”,利用相关性网络信息求取节点的加权度。在此基础上,运用改进k核方法,即移除加权度最小的节点并在相关节点的加权度中减去受该移除节点影响的加权分量,循环直至相关性网络中所有节点的度都比最初移除的度更大为止,此时该批次移除的所有节点的k核值定为最初被移除的节点的度。依此循环直至得出所有节点的k核值,而k核值的大小可以指明线路的脆弱程度。但是,在脆弱线路的分析中,一般会得到线路的重要程度排序。但在实际系统中,会导致较为严重的停电后果的或许是几条关键线路的连锁开断,即“关键故障集”,此时单一的重要线路不足以反映这部分信息。而且,目前系统停电因素的分析方法针对不含风电的电力系统,系统关键停电因素的分析对象仅为系统的传输线路。在含风电场的系统内,引发停电的原因除了线路故障外,还包括风电场的相关状态,而目前的分析方法没有涉及风电影响分析这方面。专利
技术实现思路
本专利技术的目的是提供一种基于决策树辨识风电接入系统关键设备的方法,以解决传统的研究方法对含风电场的电力系统关键停电设备与薄弱环节的分析辨识不适用问题,进而准确的确定出关键停电设备,降低关键停电设备意外故障的概率。为实现上述目的,本专利技术提供了如下方案:一种基于决策树辨识风电接入系统关键设备的方法,所述方法包括:对电力系统进行仿真,根据仿真结果计算系统产生初始故障的概率和风电场风电机组的状态转换概率,计算第i次连锁故障的概率pi,i取值范围为1≤i≤N,得到N次连锁故障的概率;计算第i次连锁故障的停电规模xi,1≤i≤N,得到N次连锁故障的停电规模;确定停电风险指标VaR的目标阈值;将连锁故障仿真结果得到的训练样本N次连锁故障的停电规模按照样本属性、样本类别采用递归方式生成决策树;所述样本属性包括仿真结束时每条线路的运行状态和风电场的脱网功率,所述线路的运行状态为离散属性变量,取值第一变量值代表线路断开状态,取值第二变量值代表线路运行状态;所述风电场脱网功率为连续属性变量,取值为脱网功率值,将所述线路运行状态按线路标号排序,所述风电场脱网功率排在最后一个线路运行状态之后;所述样本类别包括两类:一类为“当次仿真失负荷量低于或等于VaR指标的目标阈值”,类别变量取值为第一变量值;另一类是“当次仿真失负荷量高于VaR指标的目标阈值”,类别变量取值为第二变量值;筛选所述决策树中类别变量值为第二变量值且概率高于设定值的叶子节点,所述概率为所述叶子节点内的样本的概率和;所述叶子节点所在的路径有多个属性变量,从所述路径中根据特定原则选取一个属性变量作为待定关键属性变量,所述待定关键属性变量对应的控制设备为待定关键设备;减少所述待定关键属性变量在所述路径中出现的概率;对减少所述待定关键属性变量在所述路径中出现的概率后的系统进行仿真,根据仿真结果进行停电风险评估,风险指标值未满足要求,返回执行“筛选所述决策树中类别变量值为第二变量值且第i次连锁故障的概率高的叶子节点”的步骤;否则控制完成,所述仿真停止,将所述待定关键设备确定为关键设备。可选的,所述计算第i次连锁故障的概率pi具体包括:利用公式pi=p(Ki0)p(Ki1|Ki0)p(Ki2|Ki1)…计算第i次连锁故障的概率pi,i取值范围为1≤i≤N;其中,Kij为第i次连锁故障仿真中第j阶段的系统状态变量集合,p(Ki0)为所述系统产生初始故障的概率,p(Ki1|Ki0)是在初始故障条件下风电场风电机组并网的状态转换概率,在j≥2时,p(Kij|Ki(j-1))为系统因外界或/和自身变化原因造成的状态转换概率。可选的,所述第i次连锁故障的停电规模xi具体包括:利用公式计算第i次连锁故障的停电规模xi,1≤i≤N,其中,xi表示第i次连锁故障的停电规模,Cij为第i次连锁故障仿真中第j阶段的停电规模。可选的,所述VaR目标阈值在置信水平σ下,VaR满足其中p(x)为仿真样本的风险密度函数;可选的,所述VaR目标阈值具体为:l=0.1。可选的,所述决策树中在计算所述信息熵、所述信息增益与所述信息增益率指标时,用到的概率为综合自身出现概率和外界影响进行折算得到的真实概率。可选的,所述减少所述待定关键属性变量在所述路径中出现的概率具体包括:所述待定关键属性变量包括风电场脱网和线路运行状态,采用引入风电机组虚拟惯量和增设无功补偿的方式减小风电场脱网在所述路径中出现的概率;采用增加设备容量的方法减小线路运行状态在所述路径中出现的概率。根据本专利技术提供的具体实施例,本专利技术的有益效果为:1、可以分析除系统传输线路以外的关键停电因素,如本专利技术中的“风电脱网功率”。解决了目前已有的分析方法中对系统关键停电因素的分析对象仅为系统的传输线路的问题,在含风电场的系统内,引发停电的原因除了线路故障外,还包括风电场的相关状态,而目前的分析方法没有涉及风电影响分析这方面,已有的系统停电因素的分析方法大多针对不含风电的电力系统。本专利技术则改善了这一问题。2、对传统决策树分析进行一定改进,使之成为适应于含风电场的电力系统关键停电因素辨识的方法,且在分析结果中可以得到“关键故障集”。解决了以下问题:传统的脆弱线路分析方法中,得到线路的重要程度排序,而在实际系统中,会导致较为严重的停电后果的或许是几条关键线路的连锁开断,即“关键故障集”,导致单一的重要线路不足以反映这部分信息。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。图1为本专利技术基于决策树辨识风电接入系统关键设备的方法流程图;图2为本专利技术基于决策树辨识风电接入系统关键设备的方法采用的算例系统的结构图;图3为实施例1在90%风电出力下进行仿真分析后得到决策树结构图;图4为实施例1在90%风电出力下的引入虚拟惯量前后停电概率分布图;图5为实施例1在90%风电出力下的增设无功补偿前后停电概率分布图;图6为实施例1在90%风电出力下的两种控制方法后停电概率分布图;图7a1为实施例2在20%风电出力下的容量升级前后停电概率分布图;图7a2为实施例2在60%风电出力下的容量升级前后停电概率分布图;图7a3为实施例2在90%风电出力下的容量升级前后停电概率分布图;图8a1为实施例2在20%风电出力下的两种控制方法后停电概率分布图;图8a2为实施例2在60%风电出力下的两种控制方法后停电概率分布图;图本文档来自技高网
...
一种基于决策树辨识风电接入系统关键设备的方法

【技术保护点】
一种基于决策树辨识风电接入系统关键设备的方法,其特征在于,所述方法包括:对电力系统进行仿真,根据仿真结果计算系统产生初始故障的概率和风电场风电机组的状态转换概率,计算第i次连锁故障的概率pi,i取值范围为1≤i≤N,得到N次连锁故障的概率;计算第i次连锁故障的停电规模xi,1≤i≤N,得到N次连锁故障的停电规模;确定停电风险指标VaR的目标阈值;将连锁故障仿真结果得到的训练样本N次连锁故障的停电规模按照样本属性、样本类别采用递归方式生成决策树;所述样本属性包括仿真结束时每条线路的运行状态和风电场的脱网功率,所述线路的运行状态为离散属性变量,取值第一变量值代表线路断开状态,取值第二变量值代表线路运行状态;所述风电场脱网功率为连续属性变量,取值为脱网功率值;所述样本类别包括两类:一类为“当次仿真失负荷量低于或等于VaR指标的目标阈值”,类别变量取值为第一变量值;另一类是“当次仿真失负荷量高于VaR指标的目标阈值”,类别变量取值为第二变量值;筛选所述决策树中类别变量值为第二变量值且概率高于设定值的叶子节点,所述概率为所述叶子节点内的样本的概率和;所述叶子节点所在的路径有多个属性变量,从所述路径中根据特定原则选取一个属性变量作为待定关键属性变量,所述待定关键属性变量对应的控制设备为待定关键设备;减少所述待定关键属性变量在所述路径中出现的概率;对减少所述待定关键属性变量在所述路径中出现的概率后的系统进行仿真,根据仿真结果进行停电风险评估,风险指标值未满足要求,返回执行“筛选所述决策树中类别变量值为第二变量值且第i次连锁故障的概率高于设定值的叶子节点”的步骤;否则控制完成,所述仿真停止,将所述待定关键设备确定为关键设备。...

【技术特征摘要】
1.一种基于决策树辨识风电接入系统关键设备的方法,其特征在于,所述方法包括:对电力系统进行仿真,根据仿真结果计算系统产生初始故障的概率和风电场风电机组的状态转换概率,计算第i次连锁故障的概率pi,i取值范围为1≤i≤N,得到N次连锁故障的概率;计算第i次连锁故障的停电规模xi,1≤i≤N,得到N次连锁故障的停电规模;确定停电风险指标VaR的目标阈值;将连锁故障仿真结果得到的训练样本N次连锁故障的停电规模按照样本属性、样本类别采用递归方式生成决策树;所述样本属性包括仿真结束时每条线路的运行状态和风电场的脱网功率,所述线路的运行状态为离散属性变量,取值第一变量值代表线路断开状态,取值第二变量值代表线路运行状态;所述风电场脱网功率为连续属性变量,取值为脱网功率值;所述样本类别包括两类:一类为“当次仿真失负荷量低于或等于VaR指标的目标阈值”,类别变量取值为第一变量值;另一类是“当次仿真失负荷量高于VaR指标的目标阈值”,类别变量取值为第二变量值;筛选所述决策树中类别变量值为第二变量值且概率高于设定值的叶子节点,所述概率为所述叶子节点内的样本的概率和;所述叶子节点所在的路径有多个属性变量,从所述路径中根据特定原则选取一个属性变量作为待定关键属性变量,所述待定关键属性变量对应的控制设备为待定关键设备;减少所述待定关键属性变量在所述路径中出现的概率;对减少所述待定关键属性变量在所述路径中出现的概率后的系统进行仿真,根据仿真结果进行停电风险评估,风险指标值未满足要求,返回执行“筛选所述决策树中类别变量值为第二变量值且第i次连锁故障的概率高于设定值的叶子节点”的步骤;否则控制完成,所述仿真...

【专利技术属性】
技术研发人员:张雪敏钟雨芯韩丰王帅李晖王智冬黄怡
申请(专利权)人:张雪敏钟雨芯韩丰王帅李晖王智冬黄怡清华大学国家电网公司国网北京经济技术研究院国网天津市电力公司
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1