【技术实现步骤摘要】
具备高可信度的电力系统暂态稳定智能化评估系统及方法
本专利技术属于电力系统安全
，具体涉及一种具备高可信度的电力系统暂态稳定智能化评估系统及方法。
技术介绍
随着我国交直流混联规模不断扩大，风电、光伏等间歇性新能源大规模并网，以及电力电子装置的广泛应用，系统运行方式多样化，运行机理愈加复杂，给电力系统安全稳定分析与控制带来了巨大挑战。暂态稳定破坏往往会引发大规模停电事故，在故障后快速、准确对系统稳定性做出预判，为后续稳定控制提供依据，具有重要意义。传统的暂态稳定分析方法包括时域仿真法和直接法。时域仿真方法用一组非线性微分代数方程描述电力系统，并通过数值积分方法求解这些方程。由于求解非线性方程涉及的计算量大，导致运算时间长，无法满足暂态稳定在线评估对快速性的要求。直接法是一种基于能量观点的暂态稳定性分析方法，由于在实际大电网中需要对模型进行大量的简化，计算结果过于保守，且计算精度低。近年来，人工智能技术的理论日渐成熟，引起了相关学者的关注，在研究领域大量人工技能技术被运用于暂态稳定评估，例如BP神经网络、...
【技术保护点】
1.一种具备高可信度的电力系统暂态稳定智能化评估方法，其特征在于，包括如下步骤：/nS1，基于NGBoost集成学习模型构建暂态稳定分类器；/nS2，利用暂态稳定数据集对暂态稳定分类器进行迭代训练，建立暂态稳定评估模型；/nS3，采用暂态稳定评估模型对电力系统的暂态稳定状态进行在线评估，输出暂态稳定评估结果及对应的可信度；/nS4，将暂态稳定评估结果的可信度与可信度阈值进行比较，若暂态稳定评估结果的可信度大于可信度阈值认为暂态稳定评估结果可信，否则，返回步骤S3采集下一工频周期的数据重新进行评估。/n
【技术特征摘要】
1.一种具备高可信度的电力系统暂态稳定智能化评估方法，其特征在于，包括如下步骤：
S1，基于NGBoost集成学习模型构建暂态稳定分类器；
S2，利用暂态稳定数据集对暂态稳定分类器进行迭代训练，建立暂态稳定评估模型；
S3，采用暂态稳定评估模型对电力系统的暂态稳定状态进行在线评估，输出暂态稳定评估结果及对应的可信度；
S4，将暂态稳定评估结果的可信度与可信度阈值进行比较，若暂态稳定评估结果的可信度大于可信度阈值认为暂态稳定评估结果可信，否则，返回步骤S3采集下一工频周期的数据重新进行评估。
2.根据权利要求1所述的具备高可信度的电力系统暂态稳定智能化评估方法，其特征在于，在步骤S2中，所述建立暂态稳定评估模型包括如下步骤：
S21，基于电力系统历史数据和时预仿真数据建立暂态稳定数据集，所述暂态稳定数据集包括输入数据和输出数据；
S22，通过主成分分析法将高维度的输入数据压缩至低维，以建立新的暂态稳定数据集；
S23，将新的暂态稳定数据集随机划分为训练数据集和验证数据集；
S24，利用训练数据集对暂态稳定分类器进行迭代训练建立暂态稳定评估模型；
S25，利用验证数据集判断步骤S24中得到的暂态稳定评估模型是否满足电力系统精度要求。
3.根据权利要求2所述的具备高可信度的电力系统暂态稳定智能化评估方法，其特征在于，在步骤S21中，所述输入数据包括线路有功功率P和无功功率Q、母线电压幅值V和母线相角θ，所述输出数据包括系统暂态稳定状态，系统暂态稳定状态包括稳定和失稳。
4.根据权利要求2或3所述的具备高可信度的电力系统暂态稳定智能化评估方法，其特征在于，在步骤S22中，所述建立新的暂态稳定数据集包括如下步骤：
S22.1，通过主成分分析法将原始的输入数据进行降维，计算降维后各新输入数据的贡献率，设置贡献率阈值；
S22.2，计算前K个新输入数据的累计贡献率；
S22.3，将步骤S22.2的累计贡献率与贡献率阈值进行比较，若累计贡献率大于贡献率阈值，则将前K个新输入数据作为新的暂态稳定数据集，否则，更新K重新计算累计贡献率，...
【专利技术属性】
技术研发人员：王利利，毛玉宾，于琳琳，李甜甜，刘万勋，邢鹏翔，蒋小亮，
申请(专利权)人：国网河南省电力公司经济技术研究院，国家电网有限公司，
类型：发明
国别省市：河南;41
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。