基于信息最大相关的大规模电网电压稳定裕度评估系统技术方案

基于信息最大相关的大规模电网电压稳定裕度评估系统，该系统首先基于PMU数据或软件仿真，获得一个能够近似表征当前电力系统所有运行特征的电力系统大数据集；在此基础上，通过多次运用MRMR算法，构造与电压稳定裕度相关性最大且冗余性最小的特征集；利用MATLAB构建所选变量与VSM之间关系的函数表达式；通过电力系统获得的实时的变量数据，可以通过表达式直接估计VSM。并将结果反馈给现场调度人员，以便及时做出决策。本发明专利技术能解决传统评估方法精度差、速度慢、对数据丢失鲁棒性差且评估解析性差等缺点，满足大规模电力系统的实时评估需求。

Voltage stability margin assessment system for large-scale power grid based on maximum information correlation

A large-scale power system voltage stability margin evaluation system based on maximum correlation of information is proposed. Firstly, based on PMU data or software simulation, a large data set of power system which can approximate all operation characteristics of the current power system is obtained. On this basis, the feature set with the greatest correlation and the smallest redundancy is constructed by using MRMRMR algorithm many times. The function expression of the relationship between the selected variables and VSM is constructed by MATLAB, and the real-time variable data obtained by the power system can directly estimate VSM through the expression. The results are fed back to the field dispatchers in order to make timely decisions. The method can solve the shortcomings of the traditional evaluation method, such as poor accuracy, slow speed, poor robustness to data loss and poor evaluation analyticity, and meet the real-time evaluation needs of large-scale power systems.

【技术实现步骤摘要】
基于信息最大相关的大规模电网电压稳定裕度评估系统
本专利技术涉及大规模电力系统运行控制
，具体是一种基于信息最大相关的大规模电网电压稳定裕度评估系统。
技术介绍
电力系统是最复杂的人造系统之一，随着我国经济的发展，电网负荷的需求日益增大。而与其对应的是，电力系统的传输能力没有得到明显提升，传输容量依然受限、系统工作点也越来越靠近电力系统稳定运行的极限。通过对诸多大停电事故的总结发现，电压崩溃在整个电力系统崩溃过程中起了重要的作用。因此，对电力系统的电压稳定性进行实时的监测，保证电网运行工作点有足够的电压稳定裕度，对整个电力系统的安全可靠运行有重要意义。随着当前电网的大规模互联，传统基于模型的电力系统安稳评估方法需要进行大规模的电路近似等值，评估精度差，同时其评估速度也难以满足要求。近些年来，随着计算机技术的迅猛发展，人工神经网络和决策树等人工智能算法被引入电力系统安稳评估中。这些评估方法虽然具有较快的评估速度，但在实际应用中，也各有不足。人工神经网络作为一种“黑箱”算法，无法获知输入与输出之间的具体关联关系，难以为电网的安稳控制和电力系统失稳后的故障回溯提供重要信息。决策树类方法虽然解析性较强，但对数据丢失的鲁棒性很差，核心特征数据的丢失可能导致整个评估模型的失效。因此，如何构建适用于大规模互联电力系统的电压安稳评估方法，给出系统变量与电压安稳裕度之间的“透明”的解析表达，提高对数据丢失的鲁棒性问题，最终实现对整个电网电压稳定裕度准确、快速且稳定的评估，是当前一个亟待解决的问题。
技术实现思路
为了解决以上问题，本专利技术提出了一种基于信息最大相关的大规模电网电压稳定裕度评估系统，拟解决传统评估方法精度差、速度慢、对数据丢失鲁棒性差且评估解析性差等缺点，满足大规模电力系统的实时评估需求。本专利技术采取的技术方案为：基于信息最大相关的大规模电网电压稳定裕度评估系统，包括：基础数据提取与存储模块、静态电压稳定特征提取模块、拓扑变换模块、在线评估模块；所述基础数据提取与存储模块，其用于基于现场/历史PMU数据，或利用MATLAB和Python程序对电力系统仿真软件PSS/E进行控制，采集不同工作点下的电力系统运行数据，最终获得一个能够近似表征当前电力系统所有运行特征的电力系统大数据集。然后针对每一个工作点，计算其对应的电压稳定裕度VSM；所述静态电压稳定特征提取模块，其用于提取与电压稳定裕度相关性最大、且冗余性最小MRMR的特征集，其中包含了基于信息冗余性的MRMR算法，用于找到一组与目标变量相关性最大的特征变量集，且变量集中特征相互之间的相关性最小。多次运用MRMR算法，则能够得到多个不同的特征集；所述拓扑变换模块，通过曲线拟合技术，构建不同变量与对应电压稳定裕度之间的数学解析关系，对于每个拓扑，记录其获得的电压稳定裕度函数表达式和相应的参数，如果电力系统中检测到未知的拓扑变化，则根据最新的当前运行情况重新提取特征变量集和构建数学解析关系，生成新的待评估的模型。所述在线评估模块，其用于使用电力系统获得的新变量数据，通过获得的电压稳定裕度表达式直接进行电压安稳评估，并将结果反馈给现场调度人员，以便及时做出决策。所述基础数据提取与存储模块中，利用MATLAB和Python程序采集不同工作点下的电力系统运行数据包括：系统首先随机选取负荷参数的分布函数，同时，利用最优潮流OPF确定实际/无功功率分布和分接开关位置等其他变量。然后，生成原始的发电机/负载分布。不同的发电机/负载增加方向，使相同的原始发电机/负载分布产生不同的电压稳定边界点。为了记录更多的电力系统行为，增加知识库，本专利技术将不同区域的负荷增长率设为不同，并在同一区域内保持功率因数不变。同时，增量负荷主要通过同一区域的发电机进行平衡。结果是增加方向类似于实际的负荷增加方向。不断对系统中的负荷/发电机输出功率进行增加，直到系统到达静态电压崩溃点POC。收集并存储在此过程中所有系统工作点所对应的系统变量值。所述基础数据提取与存储模块中，电压稳定裕度VSM计算方法如下：其中：PPOC为当前系统能够传输的最大有功功率，即崩溃点处的最大负荷。POP为当先运行状态下的系统有功功率。VSM即可表征当前运行点到电压崩溃点间的距离。所述静态电压稳定特征提取模块中，MRMR算法，其核心思想是找到特征间相关性与冗余性之间差值的最大值，具体通过式(2)实现：式中：H(fi)和H(fj)分别是第i个特征和第j个特征的熵值，{f1，f2，f3…fF}为待提取的特征集，F为特征集中的特征数目，MI(fi，y)表示fi特征与目标类y之间的“相似”程度，MI(fi，fj)表示特征集内部特征间的“相似”程度，具体由下式确定：其中，fi,x为fi的第x个元素，yx为目标变量y的第x个元素，p(fi，x)和p(yx)分别表示fi，x和yx的边际概率密度函数，p(fi,x,yx)表示它们的联合概率分布，p(fi,x,fi,y)表示fi,xfi,y的联合概率分布。所述静态电压稳定特征提取模块中，MRMR算法累加搜索流程如下：(a)第一个特征选择。每个候选特征与目标类之间的互信息值由式(3)计算得到。为选定的特性创建数据集(D)，并选择MI值最高的特性(fi,y)作为第一个选定的特性。(b)第二个特征选择。第一个选定特征与其他候选特征之间的互信息值由式(4)计算得到。选择MI(fi,fj)值最小的特征作为第二个选择特征。(c)随后的特征选择。有了这两个选择特征的数据，数据集D中的相关性和冗余分别可由式(3)和式(4)计算得到。此后不断应用如(2)式所示的信息冗余性最优算法，逐项选取子特征。如果已达到选定特征的指定数量，则算法终止。本专利技术提供一种基于信息最大相关的大规模电网电压稳定裕度评估系统，该系统首先基于PMU数据或软件仿真，获得一个能够近似表征当前电力系统所有运行特征的电力系统大数据集；在此基础上，通过多次运用MRMR算法，构造与电压稳定裕度相关性最大且冗余性最小的特征集；利用MATLAB构建所选变量与VSM之间关系的函数表达式；通过电力系统获得的实时的变量数据，可以通过表达式直接估计VSM。并将结果反馈给现场调度人员，以便及时做出决策。与一般方法相比，本专利技术有益的效果为：系统采用基于信息冗余度的评估方法，能够系统全面的考虑变量间的整体统计概率，对大规模互联电力系统具有更好的适应性；系统采用最大相关最小冗余准则对安稳特征进行挖掘和提取，可有效的防止过拟合和欠拟合现象的发生，提高了系统评估的精度；基于曲线拟合获得的稳定裕度解析表达式，具有良好的解析性，可为电网的安稳控制和电力系统失稳后的故障回溯提供重要信息；同时方法最终获得的评估模型便于存储和计算，具有良好的评估速度。附图说明图1为本专利技术的系统图；图2为本专利技术实施例的总体流程图；图3为本专利技术中基础数据提取与存储模块的组成框图；图4为本专利技术中静态电压稳定特征提取模块的组成框图；图5为专利技术中拓扑变换模块的组成框图。具体实施方式基于信息最大相关的大规模电网电压稳定裕度评估系统，用于对大规模的电力系统进行暂态稳定评估，在全局层面对电网整体的电压稳定裕度进行评估，保证系统在更稳定、可靠的状态下运行。该评估系统其特征在于包括基础数据提取与存储模块，静态电本文档来自技高网...

【技术保护点】
1.基于信息最大相关的大规模电网电压稳定裕度评估系统，其特征在于包括：基础数据提取与存储模块、静态电压稳定特征提取模块、拓扑变换模块、在线评估模块；所述基础数据提取与存储模块，其用于基于现场/历史PMU数据，或利用MATLAB和Python程序对电力系统仿真软件PSS/E进行控制，采集不同工作点下的电力系统运行数据，最终获得一个能够近似表征当前电力系统所有运行特征的电力系统大数据集；然后针对每一个工作点，计算其对应的电压稳定裕度VSM；所述静态电压稳定特征提取模块，其用于提取与电压稳定裕度相关性最大、且冗余性最小MRMR的特征集，其中包含了基于信息冗余性的MRMR算法，用于找到一组与目标变量相关性最大的特征变量集，且变量集中特征相互之间的相关性最小；多次运用MRMR算法，则能够得到多个不同的特征集；所述拓扑变换模块，构建不同变量与对应电压稳定裕度之间的数学解析关系，对于每个拓扑，记录其获得的电压稳定裕度函数表达式和相应的参数，如果电力系统中检测到未知的拓扑变化，则根据最新的当前运行情况重新提取特征变量集和构建数学解析关系，生成新的待评估的模型；所述在线评估模块，其用于使用电力系统获得的新变量数据，通过获得的电压稳定裕度表达式直接进行电压安稳评估，并将结果反馈给现场调度人员。...

【技术特征摘要】
1.基于信息最大相关的大规模电网电压稳定裕度评估系统，其特征在于包括：基础数据提取与存储模块、静态电压稳定特征提取模块、拓扑变换模块、在线评估模块；所述基础数据提取与存储模块，其用于基于现场/历史PMU数据，或利用MATLAB和Python程序对电力系统仿真软件PSS/E进行控制，采集不同工作点下的电力系统运行数据，最终获得一个能够近似表征当前电力系统所有运行特征的电力系统大数据集；然后针对每一个工作点，计算其对应的电压稳定裕度VSM；所述静态电压稳定特征提取模块，其用于提取与电压稳定裕度相关性最大、且冗余性最小MRMR的特征集，其中包含了基于信息冗余性的MRMR算法，用于找到一组与目标变量相关性最大的特征变量集，且变量集中特征相互之间的相关性最小；多次运用MRMR算法，则能够得到多个不同的特征集；所述拓扑变换模块，构建不同变量与对应电压稳定裕度之间的数学解析关系，对于每个拓扑，记录其获得的电压稳定裕度函数表达式和相应的参数，如果电力系统中检测到未知的拓扑变化，则根据最新的当前运行情况重新提取特征变量集和构建数学解析关系，生成新的待评估的模型；所述在线评估模块，其用于使用电力系统获得的新变量数据，通过获得的电压稳定裕度表达式直接进行电压安稳评估，并将结果反馈给现场调度人员。2.根据权利要求1所述基于信息最大相关的大规模电网电压稳定裕度评估系统，其特征在于：所述基础数据提取与存储模块中，利用MATLAB和Python程序采集不同工作点下的电力系统运行数据包括：系统首先随机选取负荷参数的分布函数，同时，利用最优潮流OPF确定实际/无功功率分布和分接开关位置等其他变量；然后，生成原始的发电机/负载分布；不同的发电机/负载增加方向，使相同的原始发电机/负载分布产生不同的电压稳定边界点；该系统将不同区域的负荷增长率设为不同，并在同一区域内保持功率因数不变；同时，增量负荷主要通过同一区域的发电机进行平衡；结果是增加方向类似于实际的负荷增加方向；不断对系统中的负荷/发电机输出功率进行增加，直到系统到达静态电压崩溃点POC；收集并存储在此过程中所有系统工作点所对应的系统变量值。3.根据权利要求1所述基于信息最大相关的大规模电网电压稳定裕度评估系统，其特征在于：所述基础数据提取与存储模块中，电压稳定裕度VSM计算方法如下：其中：PPOC为当前系统能够传输的最大有功功率，即崩溃点处的最大负荷；POP为当先运行状态下的系统有功功率；VSM即可表征当前运行点到电压崩溃点间的距离。4.根据权利要求1所述基于信息最大相关的大规模电网电压稳定裕度评估系统，其特征在于：所述静态电压稳定特征提取模块中，MRMR算法，其核心思想是找到特征间相关性与冗余性之间差值的最大值，具体通过式(2)实现：式中：H(fi)和H(fj)分别是第i个特征和第j个特征的熵值，{f1，f2，f3…fF}为待提取的特征集，F为特征集中的特征数目，MI(fi，y)表示fi特征与目标类y之间的“相似”程度，MI(fi，fj)表示特征集内部特征间的“相似”程度，具体由下式确定：其中，fi,x为fi的第x个元素，yx为目标变量y的第x个元素，p(fi，x)和p(yx)分别表示fi，x和yx的边际概率密度函数，p(fi,x,yx)表示它们的联合概率分布，p(fi,x,fi,y)表示fi,xfi,y的联合概率分布。5.根据权利要求1所述基于信息最大相关的大规模电网电压稳定裕度评估系统，其特征在于：所述静态电压稳定特征提取模块中，MRMR算法累加搜索流程如下：(a)第一个特征选择；每个候选特征与目标类之间的互信息值由式(3)计算得到；为选定的特性创建数据集(D)，并选择MI值最高的特性(fi,y)作为第一个选定的特性；(b)第二个特征选择；第一个选定特征与其他候选特征之间的互信息值由式(4)计算得到；选择MI(fi,fj)值最小的特征作为第二个选择特征；(c)随后的特征选择；有了这两个选择特征的数据，数据集D中的相关性和冗余分别可由式(3)和式(4)计算得到；此后不断应用如(2)式所示的信息冗余性最优算法，逐项选取子特征；如果已达到选定特征的指定数量，则算法终止。6.基于信息最大相关的大规模电网电压稳定裕度评估方法，其特征在于包括以下步骤：(1)、基于现场/历史PMU数据，或利用MAT...

【专利技术属性】
技术研发人员：李欣，郑之艺，李婉卿，邵凯旋，郭攀锋，
申请(专利权)人：三峡大学，
类型：发明
国别省市：湖北,42