【技术实现步骤摘要】
交直流大电网动态安全风险态势滚动前瞻预警方法及系统
本公开属于电力系统动态安全风险预警领域，尤其涉及一种交直流大电网动态安全风险态势滚动前瞻预警方法及系统。
技术介绍
随着大容量HVDC输电技术的应用，现代电力系统已经成为交直流混联大电网。交流系统的局部短路故障可能会引发HVDC发生连续换相失败或者闭锁，进而在交流系统中造成大范围潮流转移和巨大功率缺额，破坏整个系统的安全性。安全风险态势前瞻预警是保障电网安全运行的关键技术之一，能够提前对未来可能出现的运行场景进行动态安全分析并识别出高风险运行场景，为预防控制预留出充足的时间并提供有价值的决策信息。由于电网互联和电力电子技术的应用，电网规模显著增大，元件的数学模型更加复杂。时域仿真所需要的计算量显著增加，难以满足在线应用的计算时间要求。同时，大量可再生能源发电被接入电网中，由于其出力的不确定性，电网未来时刻的运行场景数目显著增加，这进一步增加了前瞻预警的难度。针对安全风险态势前瞻预警问题，主要有基于严重度函数的预警方法、基于负荷损失量的预警方法和基于控制代价的预警方法...
【技术保护点】
1.一种交直流大电网动态安全风险态势滚动前瞻预警方法，其特征在于，包括：/n采用堆叠降噪自动编码器和极限学习机构建TTC快速评估模型，利用训练样本集对TTC快速评估模型进行训练；/n根据获取的电网负荷功率和新能源出力的预测信息，生成未来态运行场景；/n根据训练后的TTC快速评估模型，结合启发式搜索方法，计算为满足ATC裕度约束所需的预防控制措施类型；/n根据电网所处的运行状态类型和预防控制措施类型，对未来态运行场景进行分层分级预警；/n滚动获取电网负荷功率最新预测信息、新能源出力最新预测信息和最新预防控制资源信息，更新预警计算结果，实现滚动预警。/n
【技术特征摘要】
1.一种交直流大电网动态安全风险态势滚动前瞻预警方法，其特征在于，包括：
采用堆叠降噪自动编码器和极限学习机构建TTC快速评估模型，利用训练样本集对TTC快速评估模型进行训练；
根据获取的电网负荷功率和新能源出力的预测信息，生成未来态运行场景；
根据训练后的TTC快速评估模型，结合启发式搜索方法，计算为满足ATC裕度约束所需的预防控制措施类型；
根据电网所处的运行状态类型和预防控制措施类型，对未来态运行场景进行分层分级预警；
滚动获取电网负荷功率最新预测信息、新能源出力最新预测信息和最新预防控制资源信息，更新预警计算结果，实现滚动预警。
2.如权利要求1所述的交直流大电网动态安全风险态势滚动前瞻预警方法，其特征在于，所述训练样本集构建过程为：
获取未来一段时间的负荷功率波动区间、风电功率波动区间和网络拓扑；
生成无标签样本，负荷功率和风电功率在波动区间内随机变化，发电机功率由预定义的调度原则进行计算，预防控制决策变量在预定义的波动区间内随机变化；
计算无标签样本的TTC，使用连续潮流方法校验静态安全约束，使用时域仿真方法校验动态安全约束。
3.如权利要求1所述的交直流大电网动态安全风险态势滚动前瞻预警方法，其特征在于，根据与TTC有关的电网运行方式特征和预防控制措施调控变量构建TTC快速评估模型的原始特征集，所述原始特征集包括负荷有功、发电机有功、风电有功、HVDC有功、发电机有功调整量、HVDC功率调制量和切负荷量。
4.如权利要求1所述的交直流大电网动态安全风险态势滚动前瞻预警方法，其特征在于，所述TTC快速评估模型中，堆叠降噪自动编码器用于特征提取以获得原始特征的高阶特征表达，极限学习机用于建立高阶特征与TTC间的非线性映射关系，TTC快速评估模型的输出为特定运行场景下考虑所有预想事故后的最大输电能力。
5.如权利要求1所述的交直流大电网动态安全风险态势滚动前瞻预警方法，其特征在于，所述TTC快速评估模型的训练过程为：
将堆叠降噪自动编码器的每个隐藏层分解为一个独立的降噪自动编码器，使用所有训练样本对堆叠降噪自动编码器进行逐层的无监督训练；
堆叠降噪自动编码器训练完成后，将其提取出的高阶特征作为新的样本特征，使用所有新的训练样本对极限学习机进行有监督训练。
6.如权利要求1所述的交直流大电网动态安全风险态势滚动前瞻预警方法，其特征在于，ATC裕度定义为ATC和现存输电协议ETC的比值，需要满足的ATC裕度约束为：
其中，m为预先给定的最小裕度值。
7.如权利要求1所述的交直流大电网动态安全风险态势...
【专利技术属性】
技术研发人员：刘玉田，闫炯程，李常刚，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37
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。