【技术实现步骤摘要】
基于聚类的电力系统暂态功角稳定故障筛选方法及装置
本专利技术涉及电力系统安全稳定分析
,尤其涉及一种基于聚类的电力系统暂态功角稳定故障筛选方法及装置。
技术介绍
随着电网实时运行数据的在线安全稳定分析应用功能的广泛的应用,在线暂态安全稳定分析现已成为大电网调度运行的迫切需求和重要参考指标,其计算周期一般要求在5分钟之内完成。随着交直流混合大电网的建设,电力系统规模逐年增大,需要进行在线暂态安全稳定分析的预想故障数也随着增多,单个故障的评估时间也会变长。对于数千台发电机,数万个计算节点的大电网,如果不对预想故障进行筛选,在5分钟之内完成上万个预想故障的暂态安全稳定分析,则需要配置大量的计算资源。通常的解决方法是电网调度运行人员凭离线分析经验筛选出少量的预想故障进行在线暂态安全稳定分析,其可靠性与电网调度运行人员的经验紧密相关。因此,急需提出电力系统在线暂态安全稳定分析预想故障筛选方法,降低预想故障集的设置与电网调度运行人员经验的依赖程度。
技术实现思路
本专利技术的目的在于提供一种基于聚类的电力系统暂态功角稳定故障筛选方法及装置,可以快速对在线分析应用考察的故障进行筛选,有效减少暂态稳定评估的故障数量,从而提高暂态安全稳定分析的计算速度。本专利技术是采用以下技术方案实现的,具体地说,包括如下步骤:基于聚类的电力系统暂态功角稳定故障筛选方法,包括:(1)针对每个故障获取训练样本集;所述训练样本集从基于在线安全分析应用暂态功角稳定评估存储的历史数据中,按照暂态功角裕度范围进行抽样获取;(2)对所述训练样本集按照聚类原则进行聚类;所述聚类原则为:将与基准方式的暂 ...
【技术保护点】
1.基于聚类的电力系统暂态功角稳定故障筛选方法,其特征在于,包括:(1)针对每个故障获取训练样本集;所述训练样本集从基于在线安全分析应用暂态功角稳定评估存储的历史数据中,按照暂态功角裕度范围进行抽样获取;(2)对所述训练样本集按照聚类原则进行聚类;所述聚类原则为:将与基准方式的暂态功角稳定性和稳定模式均一致,且暂态功角裕度相近的训练样本聚类成一簇;(3)根据每轮的聚类结果确定聚类的最优簇数;(4)基于所述聚类的最优簇数,计算指定运行方式的待考察故障的暂态功角裕度估算值;(5)根据所述指定运行方式的待考察故障的暂态功角裕度估算值进行故障筛选。
【技术特征摘要】
1.基于聚类的电力系统暂态功角稳定故障筛选方法,其特征在于,包括:(1)针对每个故障获取训练样本集;所述训练样本集从基于在线安全分析应用暂态功角稳定评估存储的历史数据中,按照暂态功角裕度范围进行抽样获取;(2)对所述训练样本集按照聚类原则进行聚类;所述聚类原则为:将与基准方式的暂态功角稳定性和稳定模式均一致,且暂态功角裕度相近的训练样本聚类成一簇;(3)根据每轮的聚类结果确定聚类的最优簇数;(4)基于所述聚类的最优簇数,计算指定运行方式的待考察故障的暂态功角裕度估算值;(5)根据所述指定运行方式的待考察故障的暂态功角裕度估算值进行故障筛选。2.根据权利要求1所述的基于聚类的电力系统暂态功角稳定故障筛选方法,其特征在于,所述按照暂态功角裕度范围进行抽样,包括:将暂态功角裕度的取值范围[-100,100],分为两个裕度段[-100,0)和[0,100];在两个裕度段中分别设定抽样档位d1和d2,得到[-100,-d1),[-d1,0),[0,d2),[d2,100]四个抽样档位分段;计算各个抽样档位分段所需抽样的样本数量:其中,Yi表示第i个抽样档位分段所需抽样的样本数量,Di表示第i个抽样档位分段的历史数据数量,N表示历史数据总量;从每个抽样档位分段的历史数据中随机抽取Yi个历史数据作为训练样本,所有抽样档位分段的训练样本作为此故障的训练样本集。3.根据权利要求1所述的基于聚类的电力系统暂态功角稳定故障筛选方法,其特征在于,所述基准方式选取包括:初始聚类时随机选择簇集合为空,第一个训练样本归为新生成的第一个簇,同时也是作为第一个簇的基准方式;对训练样本按照聚类原则进行聚类,若无法归入已有簇,则该训练样本单独成为新的一簇,第一个加入该簇的训练样本作为该簇的基准方式;聚类过程中,采用K均值算法计算簇的虚拟中心点,将与虚拟中心点的欧氏距离最近的簇内的样本作为该簇新的基准方式。4.根据权利要求1所述的基于聚类的电力系统暂态功角稳定故障筛选方法,其特征在于,所述对所述训练样本集按照聚类原则进行聚类,包括:11)待聚类的训练样本与基准方式的暂态功角稳定性一致,包括:其中,Mbi为第i个簇的基准方式的暂态功角裕度;Mj为待聚类的训练样本j的暂态功角裕度,其中,j∈[1,J],J表示未聚类的样本数量;当W为1时表示两者暂态功角稳定性一致,为0时表示两者暂态功角稳定性不同;12)待聚类的训练样本与基准方式的稳定模式一致需满足以下三个条件:a)待聚类的训练样本j的领前群机组Gadv-j和第i个簇的基准方式的领前群机组Gadv-i中的机组个数,机组名称,机组投停状态完全一致;b)待聚类的训练样本j的滞后群机组Glft-j和第i个簇的基准方式的滞后群机组Glft-i中的机组个数,机组名称,机组投停状态完全一致;c)待聚类的训练样本j的关键线路Lline-j和第i个簇的基准方式的关键线路Lline-i的线路个数、线路名称、投停状态完全一致;13)待聚类的训练样本与基准方式的暂态功角裕度相近的判断条件为:|Mbi-Mj|≤Mmax其中,Mj表示聚类的训练样本j的暂态功角裕度,Mmax为设定的阈值。5.根据权利要求1所述的基于聚类的电力系统暂态功角稳定故障筛选方法,其特征在于,所述聚类的结束条件为:聚类的簇的数量和基准方式均不再变化或到达指定迭代次数后终止。6.根据权利要求1所述的基于聚类的电力系统暂态功角稳定故障筛选方法,其特征在于,所述根据每轮的聚类结果确定聚类的最优簇数,包括:31)针对每轮迭代后的聚类结果,分别采用欧氏距离法进行簇内不相似度和簇间不相似度计算,计算如下:计算训练样本i到同簇其余训练样本的平均欧氏距离ai,称之为簇内不相似度;计算训练样本i到簇Cj中所有训练样本的平均欧氏距离bi,j,再取bi,j的最小值bi,称之为簇间不相似度...
【专利技术属性】
技术研发人员:郭剑,徐泰山,朱炳铨,王胜明,徐雄峰,卢耀华,王雄飞,徐奇锋,邵伟,倪秋龙,查显煜,徐立中,童存智,宋东阔,
申请(专利权)人:国电南瑞科技股份有限公司,国网浙江省电力有限公司,南瑞集团有限公司,国家电网有限公司,
类型:发明
国别省市:江苏,32
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。