一种基于RPTSVM的电力系统暂态稳定评估方法技术方案

本发明专利技术实施例提供的一种基于RPTSVM的电力系统暂态稳定评估方法，通过采用能量函数指标和电力系统指标构造原始特征集，可以降低特征集维数和减少冗余信息，是样本集构造的新思路；通过最大相关最小冗余特征选择方法对电力系统指标和投影能量函数指标进行特征压缩，寻找对电网暂态变化敏感度高的电力系统特征子集，可进一步减少冗余信息，降低特征维数；RPTSVM在优化目标函数中加入正则项重构分类器后进行电力系统暂态稳定评估，可确保暂态稳定评估的稳定性，避免PTSVM进行暂态稳定评估时类方差矩阵非满秩缺陷，提高PTSVM评估模型的泛化能力；通过遗产算法进行参数优化，合理选择种群数量，可在保证选择出最优参数组合的前提下，节省计算时间。

A method for transient stability assessment of power system based on RPTSVM

A power system transient stability assessment method based on RPTSVM is the embodiment of the invention provides, by using the energy function index and power system index is constructed for the original feature set, can reduce the dimension of feature set and reduce redundant information, is a new way to construct sample sets of power system; index and projection energy function index feature compression by the related minimum redundancy feature selection method for power system transient change of feature subset with high sensitivity, which can further reduce the redundant information and reduce the feature dimension; transient stability assessment of power systems RPTSVM join the regularization reconstruction in the optimization objective function of classifier, can ensure stability of transient stability assessment, avoid transient PTSVM stability assessment class variance matrix of non full rank defect, improve the generalization ability of PTSVM model through; In order to save computation time, the inheritance algorithm optimizes the parameters and reasonably selects the population quantity.

【技术实现步骤摘要】
一种基于RPTSVM的电力系统暂态稳定评估方法
本专利技术涉及电力系统安全稳定评估
，尤其涉及一种基于RPTSVM的电力系统暂态稳定评估方法。
技术介绍
暂态稳定评估是电力系统安全稳定评估的重要组成部分。随着可再生能源及大量电力电子装备的接入，区域电网互联规模不断扩大，使电力系统的调度运行方式和安全稳定控制面临严峻考验，传统的“人工+设备+经验判断”生产方式已无法满足当前复杂电网的调度需求。需研究满足当前运行状态且有利于复杂电网调度的TSA在线分析方法，基于系统响应数据的故障筛选是决定暂态稳定分析在线应用效果的关键，因此在系统响应数据基础上寻求准确、稳定和快速的电力系统暂态稳定评估方法具有重要意义。人工智能方法中以寻找稳定类与不稳定类样本最佳投影轴的投影孪生支持向量机(ProjectionTwinSupportVectorMachine,PTSVM)在数据挖掘等领域已获得广泛应用，该评估方法不同于求解一对特征值来寻找权重向量的多权向量投影支持向量机(multi-weightvectorprojectionsupportvectormachine,MVSVM)，而是通过求解稳定与本文档来自技高网...

【技术保护点】
一种基于RPTSVM的电力系统暂态稳定评估方法,其特征在于，包括：S1：获取电力系统响应轨迹数据，选取蕴含电力系统暂态稳定状态的离线或在线的监测数据作为数据源，对数据源进行特征提取，确定电力系统指标和投影能量函数指标，通过最大相关最小冗余特征选择方法对电力系统指标和投影能量函数指标进行特征压缩，寻找对电网暂态变化敏感度高的电力系统特征子集，将样本数据按一定的比例分为训练样本数据和测试样本数据；S2：以训练样本数据作为RPTSVM的输入，训练具有线性分类功能的RPTSVM的数学模型并计算获得训练集样本数据中稳定类与不稳定类投影坐标轴，将RPTSVM的数学模型非线性转化为具有非线性分类功能的RPT...

【技术特征摘要】
1.一种基于RPTSVM的电力系统暂态稳定评估方法,其特征在于，包括：S1：获取电力系统响应轨迹数据，选取蕴含电力系统暂态稳定状态的离线或在线的监测数据作为数据源，对数据源进行特征提取，确定电力系统指标和投影能量函数指标，通过最大相关最小冗余特征选择方法对电力系统指标和投影能量函数指标进行特征压缩，寻找对电网暂态变化敏感度高的电力系统特征子集，将样本数据按一定的比例分为训练样本数据和测试样本数据；S2：以训练样本数据作为RPTSVM的输入，训练具有线性分类功能的RPTSVM的数学模型并计算获得训练集样本数据中稳定类与不稳定类投影坐标轴，将RPTSVM的数学模型非线性转化为具有非线性分类功能的RPTSVM数学模型并计算非线性转化后的训练集样本数据中稳定类和不稳定类的投影坐标轴，即获得RPTSVM电力系统暂态稳定评估模型；S3：根据RPTSVM电力系统暂态稳定评估模型对用测试样本数据模拟的电力系统状态进行稳定性评估，针对实际电力系统的故障类型，依据电力系统特征子集相对于电力系统稳定类与不稳定类的隶属度将故障划归到相应的类，若分类为不稳定类，则确定该故障为严重故障；否则确定该故障为不严重故障。2.根据权利要求1所述的一种基于RPTSVM的电力系统暂态稳定评估方法,其特征在于，所述步骤S2具体包括：以训练样本数据作为RPTSVM的输入，训练具有线性分类功能的RPTSVM的数学模型表示为：式中，为训练集样本数据第i类的第j个样本的空间向量，Rl为l维列向量，和分别为训练集样本数据中稳定类的第i个、第j个和第k个样本的空间向量，和分别为训练集样本数据中不稳定类的第i个、第j个和第k个样本的空间向量，h为训练集样本数据总数，h1和h2分别训练集样本数据中稳定类和不稳定类的数量，h＝h1+h2，cTSA1、cTSA2分别为训练集样本数据中稳定类和不稳定类的惩罚参数，ξTSAk、ηTSAk分别为训练集样本数据中稳定类和不稳定类的第k松弛变量，wTSA1和wTSA2分别为训练集样本数据中稳定类和不稳定类的投影坐标轴，和分别wTSA1和wTSA2的转置，为v1和v2为训练集样本数据中稳定类和不稳定类的权重参数；根据KKT条件可得具有线性分类功能的RPTSVM的数学模型的对偶问题，并求解计算拉格朗日乘子后，可得训练集样本数据中稳定类与不稳定类投影坐标轴，具体计算公式为：式中，STSA1和STSA2分别为训练集样本数据中稳定类与不稳类的类方差矩阵，eTSA1和eTSA2为训练集样本数据中稳定类与不稳定类的单位向量，和分别为eTSA1和eTSA2的转置，αTSA和γTSA为训练集样本数据中稳定类和不稳定类的拉格朗日乘子，向量I为单位矩阵，(v2STSA2+I)-1为(v2STSA2+I)的转置，为训练集样本数据稳定类的输入，为h1行l列矩阵，为训练集样本数据不稳定类的输入，为h2行l列矩阵；为将RPTSVM数学模型应用到非线性分类问题中，特引入核函数K(C,CT)：K(C,CT)＝φ(C)＝(φ(xTSA1),φ(xTSA2),...,φ(xTSAh))式中，φ是从Rl到Hilbert空间的映射，C为训练样本数据，CT为C的转置，CT＝[ATSA-BTSA]T，进而将训练样本数据从低维空间映射到高维空间，进而将非线性分类问题转化为线性分类问题；引入映射φ后的RPTSVM数学模型为具有非线性分类功能的R...

【专利技术属性】
技术研发人员：张俊峰，陈厚合，孙闻，付聪，赵艳军，王钤，唐景星，
申请(专利权)人：广东电网有限责任公司电力科学研究院，东北电力大学，
类型：发明
国别省市：广东,44