【技术实现步骤摘要】
一种基于数据
‑
模型融合驱动的电力系统频率响应分析方法
[0001]本专利技术涉及电力系统一次调频领域，尤其涉及一种基于数据
‑
模型融合驱动的电力系统频率响应分析方法。
技术介绍
[0002]电力系统频率是表征电能质量与系统运行状态的关键指标，频率稳定由系统有功发电与负荷的平衡关系决定。当电力系统遭受严重扰动而产生大量功率缺额时，频率会在短时间内急剧下降，如果偏移到正常运行范围之外，则可能会引起发电机组解列、部分线路负荷切除等故障，严重的甚至会导致电力系统发生频率崩溃。当系统发生频率扰动时，频率响应即一次调频，是抑制电网频率变化，维持电网频率稳定的首道防线，与自动发电控制共同保证电力系统的频率安全和频率质量。
[0003]在特高压交直流混联电网逐渐成型、新能源大规模接入的背景下，电力系统已由早期规模较小、结构简单等特征逐渐向广泛互联、开放互动所转变，导致系统的频率响应需求有所上升，而频率响应能力却不断遭到削弱，使得新形势下的频率稳定问题日益严峻。近年来所发生的一系列重大电网事故也表...
【技术保护点】
【技术特征摘要】
1.一种基于数据
‑
模型融合驱动的电力系统频率响应分析方法，其特征在于，所述方法的步骤为：S1：数据处理环节，收集扰动后电力系统过往运行过程中的元件参数、扰动事件描述、系统网络拓扑结构和真实频率响应数据，并生成历史数据库；S2：建立基于模型驱动的系统频率初测模型，历史数据库中的扰动事件描述和系统元件参数作为所述系统频率初测模型的输入变量，将所述输入变量输入至所述系统频率初测模型中并输出初测频率响应数据；S3：将所述系统频率初测模型计算得到的频率初始变化速率Δf
’
(0+)、到达频率最低点的时间t
nadir
、最大频差Δf
max
、准稳态频差Δf
ess
四项初测频率响应数据以及系统网络拓扑结构作为输入特征，将真实频率响应作为输出结果，构成样本数据集；S4：将所述样本数据集随机生成训练集和测试集；S5：构建ELM模型并确定所述ELM模型的隐层神经元数目及激活函数，将所述训练集和测试集经归一化处理后导入到所述ELM模型中；S6：随机初始化ELM模型的输入权重和阈值，并利用PSO算法优化随机生成的权重和阈值；S7：离线训练环节，根据优化后的权重和阈值利用训练集，对所述ELM模型进行离线训练；S8：利用测试集对完成离线训练的ELM模型进行测试并预测输出结果，所述完成离线训练的ELM模型为基于数据驱动的系统频率修正模型；S9：所述基于模型驱动的系统频率初测模型与基于数据驱动的系统频率修正模型共同组成基于数据
‑
模型融合驱动的系统频率响应模型；S10：在线应用环节，对电力系统运行状态进行实时监测，若检测到扰动发生，则根据扰动信息利用基于数据
‑
模型融合驱动的系统频率响应模型对系统的频率响应动态过程进行在线分析。2.根据权利要求1所述...
【专利技术属性】
技术研发人员：李卫东，王祥旭，邹楠，吉文涛，鞠颂，潘欢，冯文斌，那明辉，方舟，王孜航，刘林，
申请(专利权)人：大连理工大学国家电网有限公司，
类型：发明
国别省市：
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。