【技术实现步骤摘要】
一种适应电网多种调控运行场景的关联特征选择方法
本专利技术属于电力系统特征选择
,尤其涉及一种适应电网多种调控运行场景的关联特征选择方法。
技术介绍
近年来,随着大电网一体化紧密互联,送受端一体化特征显著。高渗透率可再生能源的接入,电力系统的安全稳定与经济运行也迎来了巨大挑战。电网中投入高比例电力电子设备,使得系统动态稳定性更为复杂。这些新能源以及随机性负荷在大规模接入电网时,其随机性与间歇性会大大提升电网规划与调度的难度,也可能会造成电网出现严重故障、重要断面重载、电力供需失衡、新能源消纳受阻等不同电力场景。而数据维数增加会显著增加相关数据分析处理的时间,降低了运行效率,还可能导致“维数灾难”。也不是所有数据特征都与分析目标密切相关,无用的数据特征很可能将会大大降低一些分类器以及预测器的准确性,造成不必要的模型训练时间的延长。目前机器学习、深度学习等相关智能算法广泛应用于电力系统,但电力系统中的数据样本获取难度大。若数据维数显著超过训练样本数很可能会导致过拟合等现象的发生。并且目前的调度为被动等待电网事故到来,对自然 ...
【技术保护点】
1.一种适应电网多种调控运行场景的关联特征选择方法,其特征是,包括以下步骤:/n步骤1、输入电网历史数据,利用数据流方法对其进行标准化预处理,构建时间序列数据,得到训练集和测试集;/n步骤2、根据电力系统典型场景和特定场景,构建特征变量备选集;/n步骤3、将所构建的特征变量备选集以及预处理形成的时间序列数据纳入灰色关联度计算程序,得到各特征变量与目标电力场景之间的定量关系,并对其进行大小排序,随后设置合理阈值,筛选出关联度数值排名较高的特征变量,形成针对典型场景的特征子集;/n步骤4、利用针对典型场景得到的特征子集作为分类器的分类参考特征,输入历史数据片段进行分类,并与其类 ...
【技术特征摘要】
1.一种适应电网多种调控运行场景的关联特征选择方法,其特征是,包括以下步骤:
步骤1、输入电网历史数据,利用数据流方法对其进行标准化预处理,构建时间序列数据,得到训练集和测试集;
步骤2、根据电力系统典型场景和特定场景,构建特征变量备选集;
步骤3、将所构建的特征变量备选集以及预处理形成的时间序列数据纳入灰色关联度计算程序,得到各特征变量与目标电力场景之间的定量关系,并对其进行大小排序,随后设置合理阈值,筛选出关联度数值排名较高的特征变量,形成针对典型场景的特征子集;
步骤4、利用针对典型场景得到的特征子集作为分类器的分类参考特征,输入历史数据片段进行分类,并与其类型标签进行对比,计算采用特征子集进行分类的准确率,从而对特征子集的性能进行评价。
2.如权利要求1所述的适应电网多种调控运行场景的关联特征选择方法,其特征是,步骤1所述构建时间序列包括以下步骤:
步骤1.1、识别信息并提取数据;包括识别提取节点电压数据、线路潮流数据、发电机出力数据、变压器数据;
步骤1.2、将步骤1.1所提取的数据进行特征匹配,如果匹配则保留,否则剔除;
步骤1.3、按照选取数据时间点构建节点电压时间序列、线路潮流时间序列、节发电机出力时间序列、变压器数据时间序列。
3.如权利要求1所述的适应电网多种调控运行场景的关联特征选择方法,其特征是,步骤2所述构建特征变量备选集包括针对典型场景特征变量的选取和针对特定场景特征变量的选取:
步骤2.1、典型场景特征变量的选取包括;
步骤2.1.1频率安全指标;
1)反映电网频率偏离额定频率程度频率偏差:
式中,fN为额定频率,通常为50Hz;f为当前时刻电网频率;0.2为频率标准中频率偏差的允许范围最大值;
2)评价各个控制区域对系统频率恢复到限定值所做贡献的区域控制偏差:计算一小时内ACE均值,要求ACE均值在规定范围内;
ACE=K·Δf+ΔP(2)
式中,K为负荷频率响应特性值,取定值300MW/0.1Hz;Δf为频率偏差;ΔP为区域实际交换功率与计划交换功率之间的偏差;
步骤2.1.2、电压安全指标;
1)反映电力系统运行时电压偏离额定电压的电压偏差:
式中,U为运行电压;UN为额定电压;
2)反映所研究节点的无功储备能力的电压安全裕度为:
式中,V0为负荷节点在当前状态下的电压;Vcr为负荷节点在临界状态下的电压;
步骤2.1.3、网络安全指标;
1)实时反映电力系统运行的潮流裕度:
式中,P为当前断面潮流;Pl为断面稳定潮流;
2)最大负载率:
式中,Pimax为第i条线路或断面所能承受的最大负载;Pi为在当前统计点的实际负载;Ω为选取的线路或断面集;
步骤2.1.4、...
【专利技术属性】
技术研发人员:徐浩,鄢发齐,汪旸,徐箭,姜新雄,吴亚骏,蔡煜,董向明,程迪,廖思阳,
申请(专利权)人:武汉大学,国家电网公司华中分部,
类型:发明
国别省市:湖北;42
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。