基于边界区域重要性采样与核向量机的暂态安全评估方法技术

基于边界区域重要性采样与核向量机的暂态安全评估方法，包括以下步骤：步骤一：获得系统运行样本，构建暂态安全指标，建立相应的样本数据库；步骤二：对样本数据库进行采样，以高效的生成离线训练样本集，并进行归一化以减轻机器计算负担；步骤三：构建电力系统暂态安全评估模型，并利用训练样本集对模型进行离线训练；步骤四：基于电力系统实时运行数据，利用持续更新的暂态安全评估模型完成对电力系统实时暂态安全状态的评估，得到最终暂态稳定评估结果。本发明专利技术的目的是为了提供一种有利于提高训练过程的速度和评估过程精度的方法，并且在电力系统暂态安全评估领域具有较强的适用性，可以避免大停电事故。

【技术实现步骤摘要】
基于边界区域重要性采样与核向量机的暂态安全评估方法
本专利技术涉及电力系统暂态安全评估领域，具体涉及到一种边界区域重要性采样和核向量机的暂态安全评估方案。
技术介绍
一方面，由于电力系统互联的环境下，大量的设备，如智能仪表和新能源已经连接到电网。由于电网规模的不断扩大，电网的复杂性也在不断增加，这给电网的安全运行带来了巨大的挑战。同时，随着国民经济和社会的不断发展，对电力系统安全稳定运行和供电可靠性的要求也越来越高。我国电力体制改革不断深化，电力系统向远距离、特高压方向发展。各类大型储能元件、电动汽车充电桩等新型负荷不断连接，跨区域大容量联络线输电系统逐步投入运行，使电力系统运行的稳定性和调度运行面临着严峻的挑战。为了避免全国范围停电造成的巨大经济损失和社会影响，电力系统暂态稳定评估在系统动态行为的分析判断中起着重要的作用。另一方面，时域仿真、直接法(包括Lyapunov法和暂态能量函数法)和扩展等面积准则是电力系统暂态稳定评估的主流方法。这些方法可以提供准实时或实时的电力系统暂态稳定评估，但在计算精度、速度和容量方面仍有改进的余地。时域仿真方法计算速度慢，不能提供稳定裕度，难以应用于实时在线分析。直接法和扩展等面积法可以获得系统的稳定裕度，但仅限于简单模型下的应用，不能完全满足在线计算的要求。随着电力系统中同步相量测量单元的不断发展，这些方法已经不能利用大量的相量测量单元数据进行实现在线计算。同时，随着广域测量技术的成熟和大数据理论的发展，机器学习已经成为电力系统在线稳定性评估的主要方法之一。但是传统的机器学习方法仍然有许多的缺陷，比如：训练样本集的效率问题；对评估结果未做评价；对暂态安全信息不能提供可视化；训练时间过长、难以适用于大规模数据。在实际运行的电力系统中经常会出现一些意外情况，传统的暂态安全评估模型难以对这些意外情况进行评估。综上所述，传统方法已难以适用高速发展的现代电网对于实时暂态安全评估的切实需求，急需一种能够满足高适应性、高精度的实时评估方法。授权公告号为CN104881741A的专利文献公开了一种基于支持向量机的电力系统暂态稳定判断方法，通过利用逐轮寻优确定支持向量机(SupportVectorMachine,SVM)的输入特征量集合,进而通过SVM建立暂态稳定评估规则。该方法包括首先确定输入向量备选集、输入向量元素个数、SVM的核函数和训练参数,然后生成训练样本和测试样本,接着将所有备选特征量逐一加入输入特征量集合,训练SVM，确定使得SVM分类准确率最高的特征量,进而判断特征量选择计算是否结束及输入特征量集合输出,最后训练SVM并得到稳定规则。并且该方法存在如下缺陷：①电力系统安全评估方法需要大量的样本集来训练或测试它的性能，生成这样的样本集是一项非常艰巨的任务，即使对于规模较小的电力系统也是如此。因此利用逐轮寻优确定SVM的输入特征量集合，将是相当耗时的。②相比于SVM,核向量机(CoreVectorMachine，CVM)具有更高的精度，更低的时间和空间复杂度，因此CVM具有更高的效率。
技术实现思路
本专利技术的目的是为了提供一种有利于提高评估速度和精度的方法，使其在电力系统暂态安全评估领域的具有极强的适用性，有利于系统运行人员及时采取预防控制措施，提高电网安全运行的稳定性。本专利技术的目的实现方式如下：基于边界区域重要性采样与核向量机的暂态安全评估方法，其特征在于，包括以下步骤：步骤一)：利用电力系统历史运行数据以及对电力系统的一系列故障的模拟仿真，获取系统运行样本，构建动态安全指标，建立相应的样本数据库；步骤二)：针对这个样本数据库，使用一种边界区域重要性采样方法，对样本数据库进行采样，以高效的生成离线训练样本集，并对该样本集进行标准归一化；步骤三)：基于该样本集，结合CVM，构建电力系统暂态安全评估模型，并利用样本集对模型进行离线训练及更新；步骤四)：基于电力系统实时运行数据，利用持续更新的评估模型完成对电力系统实时暂态安全状态的评估，得出暂态安全评估结果。在步骤一)中，基于电力系统历史运行数据与预想事故集，进行详细的潮流分析和时域仿真，获得系统运行样本，建立相应的样本数据库。利用PSS/E软件进行时域仿真，得到各运行状态下各故障位置的极限切除时间(CriticalClearingTime，CCT)。通常当CCT大于实际清除时间(ActualClearingTime，ACT)时，系统的运行状态被判断为安全。因此，构建暂态安全指标，即暂态安全裕度(TransientStabilityMargin，TSM)，如公式(1)所示：式中：CCTi为电力系统某个位置在事故i下的极限切除时间；ACTi为故障点在事故i下的实际切除时间；TSMi为该位置的暂态安全裕度。TSM的定义如公式(2)所示：在步骤二)中，针对所建立的样本数据库，所使用的边界区域重要性采样方法分为以下两个步骤：(1)使用信息熵来确定边界区域，如公式(3)所示：式中：S为样本数据集合；C为类别数目；pi为分类为i类的在S中的比例。根据熵的概念，可以得到样本数据库的纯度的度量。E(S)的值越大表示纯度越低，即信息量越丰富，因此将熵值相对较大的地方定义为边界区域。用此方法来大致决定边界区域。(2)使用一种基于蒙特卡罗方差减少(MonteCarloVarianceReduction，MCVR)技术的采样方法，构造有效的采样。在采样过程中引入了一种偏差，使得评估阶段罕见事件的表征增加。第(1)步中对边界区域已有了大致的确定，所使用的基于MCVR技术的采样方法可以使采样过程偏向边界区域。因此便可以得到了离线训练样本集。对高效生成的训练样本集进行标准归一化，以减轻机器计算负担，标准归一化的方式如公式(4)所示：式中：为某运行变量经过标准归一化后的值；xi为该运行变量的原始值；xi_min为所获取样本中该变量的最小值；xi_max为所获取样本中该变量的最大值；通过此方式使所有变量的值都在0至1内变化。电力系统安全评估方法需要大量的样本集来训练或测试它的性能。由于历史数据往往包含有限数量的异常情况，并且边界区域附近的有关信息经常丢失，为此需要仿真数据。生成这样的样本集是一项非常艰巨的任务，即使对于规模较小的电力系统也是如此。因此，使用一种边界区域重要性采样方法，在采样过程中主要偏向边界区域，能够映射安全与不安全区域。生成信息丰富和数据量不大的样本集，可以使得训练过程的速度更快，并获得更高的预测精度。在步骤三)中，将高效生成的样本集输入训练模型。CVM通过特征映射将样本集S投影到高维空间以建立最小包围球(MinimumEnclosingBall，MEB)，并求解MEB问题。采用CVM算法求解MEB问题。用St、ct和Rt分别表示经过t次迭代的核心集、球心和半径。中心和半径球B由cB和rB表示,给定正数ε，离线训练过程如以下步骤：(1)S0、c0和R0初始化：...

【技术保护点】
1.基于边界区域重要性采样与核向量机的暂态安全评估方法，其特征在于，包括以下步骤：/n步骤一)：根据电力系统历史运行数据以及对电力系统的一系列故障的模拟仿真，获取系统运行样本，构建暂态安全指标，建立相应的样本数据库；/n步骤二)：针对这个样本数据库，使用边界区域重要性采样方法，对样本数据库进行采样，以高效的生成离线训练样本集，并对该样本集进行标准归一化；/n步骤三)：基于该样本集，结合核向量机，构建电力系统暂态安全评估模型，并利用样本集对评估模型进行离线训练及更新；/n步骤四)：基于电力系统实时运行数据，利用持续更新的暂态安全评估模型完成对电力系统实时暂态安全状态的评估，得到暂态安全评估结果。/n

【技术特征摘要】
1.基于边界区域重要性采样与核向量机的暂态安全评估方法，其特征在于，包括以下步骤：
步骤一)：根据电力系统历史运行数据以及对电力系统的一系列故障的模拟仿真，获取系统运行样本，构建暂态安全指标，建立相应的样本数据库；
步骤二)：针对这个样本数据库，使用边界区域重要性采样方法，对样本数据库进行采样，以高效的生成离线训练样本集，并对该样本集进行标准归一化；
步骤三)：基于该样本集，结合核向量机，构建电力系统暂态安全评估模型，并利用样本集对评估模型进行离线训练及更新；
步骤四)：基于电力系统实时运行数据，利用持续更新的暂态安全评估模型完成对电力系统实时暂态安全状态的评估，得到暂态安全评估结果。


2.根据权利要求1所述的基于边界区域重要性采样与核向量机的暂态安全评估方法，其特征在于：在步骤一)中，基于电力系统历史运行数据与预想事故集，进行详细的潮流分析和时域仿真，获得系统运行样本，建立相应的样本数据库；
利用PSS/E软件进行时域仿真，得到各运行状态下各故障位置的极限切除时间(CriticalClearingTime，CCT)，通常当CCT大于实际清除时间(ActualClearingTime，ACT)时，系统的运行状态被判断为安全，因此，构建暂态安全指标，即暂态安全裕度(TransientStabilityMargin，TSM)，如公式(1)所示：



式中：CCTi为电力系统某个位置在事故i下的极限切除时间；ACTi为故障点在事故i下的实际切除时间；TSMi为该位置的暂态安全裕度，TSM的定义如公式(2)所示：





3.根据权利要求1或2所述的基于边界区域重要性采样与核向量机的暂态安全评估方法，其特征在于：在步骤二)中，针对所建立的样本数据库，所使用的边界区域重要性采样方法分为以下两个步骤：
(1)使用信息熵来确定边界区域，如公式(3)所示：



式中：S为样本数据集合；C为类别数目；pi为分类为i类的在S中的比例，根据熵的概念，可以得到样本数据库的纯度的度量，E(S)的值越大表示纯度越低，即信息量越丰富，因此将熵值相对较大的地方定义为边界区域，用此方法来大致决定边界区域；
(2)使用一种基于蒙特卡罗方差减少(MonteCarloVarianceReduction，MCVR)技术的采样方法，构造有效的采样，在采样过程中引入了一种偏差，使得评估阶段罕见事件的表征增加，第(1)步中对边界区域已有了大致的确定，所使用的基于MCVR技术的采样方法可以使采样过程偏向边界区域，因此便可以得到了离线训练样本集，对高效生成的训练样本集进行标准归一化，以减轻机器计算负担，标准归一化的方式如公式(4)所示：



式中：为某运行变量经过标准归一化后的值；xi为该运行变量的原始值；xi_min为所获取样本中该变量的最小值；xi_max为所获取样本中该变量的最大值；通过此方式使所有变量的值都在0至1内变化。


4.根据权利要求3所述的基于边界区域重要性采样与核向量机的暂态安全评估方法，其特征在于：在步骤二)中：电力系统安全评估方法需要大量的样本集来训练或测试它的性能，由于历史数据往往包含有限数量的异常情况，并且边界区域附近的有关信息经常丢失，为此需要仿真数据，生成这样的样本集是一项非常艰巨的任务，即使对于规模较小的电力系统也是如此，因此，使用一种边界区域重要性采样方法，在采样过程中主要偏向边界区域，能够映射安全与不安全区域，生成信息丰富和数据量不大的样本集，可以使得训练过程的速度更快，并获得更高的预测精度。


5.根据权利要求3所述的基于边界区域重要性采样与核向量机的暂态安全评估方法，其特征在于：在步骤三)中，将高效生成的样本集输入训练模型，CVM通过特征映射将样本集S投影到高维空间以建立最小包围球(MinimumEnclosingBall，MEB)，并求解MEB问题，采用CVM算法求解MEB问题，用St、ct和Rt分别表示经过t次迭代的核心集、球心和...

【专利技术属性】
技术研发人员：刘颂凯，陈浩，刘峻良，晏光辉，张涛，李文武，李欣，郭攀锋，刁良涛，江进波，曹成，王丰，李丹，
申请(专利权)人：三峡大学，
类型：发明
国别省市：湖北;42