一种基于EEAC和ELM的电网临界切除时间预测方法技术

本发明专利技术提出一种基于EEAC和ELM的电网临界切除时间预测方法，属于电网安全稳定分析技术领域。该方法以基于简化模型的扩展等面积法则为基础，采用极限学习机理论校正扩展等面积法则的输出结果，建立了电网中相关故障临界切除时间预测框架，可依赖系统模型在线分析结果和在线量测数据，实现对电网故障临界切除时间的快速预测。本发明专利技术能够在满足在线计算速度要求的前提下，保证电网暂态稳定指标评估的准确性和可靠性；本发明专利技术对扰动后电网临界切除时间的预测，能够为相关控制策略的制定提供依据，有助于运行人员快速、准确地制定电网控制措施，防止事故扩大。

【技术实现步骤摘要】
一种基于EEAC和ELM的电网临界切除时间预测方法
本专利技术涉及电网安全稳定分析方法领域，具体是一种基于EEAC和ELM的电网临界切除时间预测方法。
技术介绍
由于区域电网互联、新能源接入和电网运行经济性政策的影响，现代电力系统的运行往往接近于其运行极限，任何微小的故障扰动，都有可能破坏电力系统的稳定运行。因此，在系统受扰后，对系统的暂态稳定裕度进行快速准确预测，对制定系统的安全稳定控制策略具有重要意义。传统的电力系统暂态稳定分析方法主要有时域仿真法、EEAC法(ExtendedEqualAreaCriterion,扩展等面积法则)、暂态能量函数法(TransientEnergyFuction,TEF)，和人工智能方法。时域仿真法虽然计算结果准确，但是计算速度慢，难以达到在线计算的要求。EEAC法和TEF法都属于直接法，在计算速度上有所进步，也在实际工程中得以应用，但是其在计算过程中包含对电力系统模型的简化假设，导致其计算结果的准确性有所降低。人工智能方法，是近年来广受关注的电力系统暂态稳定分析方法之一，其能够快速地出力高维数据，而且在非线性拟合方面具有非常大的优势，但其实施的效果受样本质量、数量及训练算法的影响，若能在人工智能方法中引入传统的物理模型方法作支撑，将使得电力系统暂态稳定分析预测的准确性和可靠性大幅提高。因此，本专利综合EEAC法和人工智能方法的特点，提出了基于EEAC和ELM(ExtremeLearningMachine,极限学习机)的电网临界切除时间预测方法，该方法首先基于电网信息和电网模型，采用IEEAC(IntegratedEEAC,集成EEAC)方法对电网中的故障进行分析，计算临界切除时间，然后，综合IEEAC方法计算的临界切除时间结果，电网运行信息和电网暂态信息，利用训练好的ELM模型，对临界切除时间结果进行校正。
技术实现思路
本专利技术的目的在于提供一种基于EEAC和ELM的电网临界切除时间预测方法，本专利技术预测方法提出ELM模型建立方法、电网临界切除时间预测模型建立方法。其中，ELM模型构建方法，可利用IEEAC方法计算结果与实际结果的误差样本，以IEEAC方法计算结果的输出结果以及电网运行信息和电网暂态信息为输入，以实际临界切除时间结果为输出，通过ELM算法进行训练，建立ELM模型。其中，IEEAC方法基于二阶经典发电机模型的假设进行计算；电网运行信息为故障前发电机的有功和无功出力信息；电网暂态信息为故障发生瞬间发电机节点电压相位和幅值的瞬时变化信息,采用ELM方法挖掘EEAC模型简化与计算结果误差间的关联关系，从而构建基于ELM的误差校正模型，提高电网临界切除时间预测的精度。本专利技术的目的可以通过以下技术方案实现：基于电网临界切除时间预测模型，本专利技术提供一种基于EEAC和ELM的电网临界切除时间预测方法，预测方法包括如下步骤：S1：收集电力系统运行信息，并以固定的周期更新电网分析使用的模型；S2：监测到故障发生后，识别故障基本信息；收集故障发生前的电网运行信息；收集故障发生瞬间的电网暂态信息；将故障基本信息、电网运行信息和电网暂态信息上传至电网调控中心；S3：基于更新的电网分析模型和识别出的电网故障基本信息，采用扩展等面积法则对该故障下的临界切除时间进行计算，并记录结果；S4：根据EEAC计算的临界切除时间结果、电网运行信息和电网暂态信息，采用极限学习机模型校正EEAC计算的临界切除时间结果，预测当前故障下的临界切除时间。进一步的，所述S2中故障基本信息包括：故障形式和故障地点；电网运行信息为故障前发电机的有功和无功出力信息；电网暂态信息为故障发生瞬间发电机节点电压相位和幅值的瞬时变化信息。进一步的，所述S3中电网分析模型采用发电机模型采用二阶经典模型进行计算，EEAC方法的选用IEEAC方法。进一步的，所述S4中ELM方法以基于经典模型的IEEAC结果和实际结果的误差样本，以IEEAC输出结果、电网运行信息和电网暂态信息为输入，以故障临界切除时间为输出，通过ELM算法进行训练，建立ELM校正模型。本专利技术的有益效果：本专利技术预测方法在保留EEAC机理模型的基础上，采用人工智能方法挖掘模型简化与结果误差间的关联关系，构建基于ELM的误差校正模型，能够弥补单独依靠EEAC方法或ELM模型的电网暂态稳定分析方法在实际中的不适应性，有效提高计算结果的精度和可靠性。基于此，本专利技术对扰动后电网临界切除时间的预测，能够为相关控制策略的制定提供依据，有助于运行人员快速、准确地制定电网控制措施，防止事故扩大。附图说明下面结合附图对本专利技术作进一步的说明。图1是本专利技术在线应用实现流程图；图2是本专利技术所测试系统的电力网络拓扑图；图3是本专利技术与IEEAC方法的结果准确性对比图；图4是本专利技术与ELM方法在不同样本数量场景下准确性指标对比图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。一种基于EEAC和ELM的电网临界切除时间预测方法,预测方法所测试电力系统包含10台发电机，46条输电线路，图2为电力系统网络拓扑图,采用Monte-Carlo(蒙特卡罗)方法生成测试所需的1500组样本，设置整体负荷水平服从某一区间均匀分布，取值为[0.8，1.2](标幺值，下同)，同时设置所有节点注入功率服从正态分布，取值为N(1,0.1)；为模拟不同扰动情况，设置系统中除平衡节点外任意节点发生不平衡功率扰动事件概率相同，扰动大小和持续时间分别服从[0.1,1.2]的均匀分布和N(0.1,0.03)的正态分布。针对图2所示电力系统，在仿真平台上利用本专利技术的方法进行临界切除时间预测，验证扰动后电网暂态频率特征预测性能。选用平均绝对误差(MeanAbsoluteError，MAE)，平均绝对误差百分比(MeanAbsolutePercentageError，MAPE)，回归问题性能度量常用的均方根误差(Root-MeanSquaredError，RMSE)和R平方(R-squared)四个指标对方法的预测精度进行评价。其中D＝{(x1,y1),(x2,y2),…,(xm,ym)}为样本集，m为测试样本个数，yi是xi的真实值；f为预测方法函数。各项指标的分析结果如下：(1)本专利技术方法与IEEAC方法对比在测试算例中，随机选取样本进行测试，IEEAC方法与本专利技术方法预测结果的绝对误差对比，如图3所示，本专利技术的方法对每个测试样本的预测精度均大幅领先于IEEAC方法，综合评估指标对比如下表所示。表1测试系统所提方法与IEEAC方法预测结果准确性对比从上表中针对IEEAC本文档来自技高网...

【技术保护点】
1.一种基于EEAC和ELM的电网临界切除时间预测方法，其特征在于，预测方法包括如下步骤：/nS1：收集电力系统运行信息，并以固定的周期更新电网分析使用的模型；/nS2：监测到故障发生后，识别故障基本信息；收集故障发生前的电网运行信息；收集故障发生瞬间的电网暂态信息；将故障基本信息、电网运行信息和电网暂态信息上传至电网调控中心；/nS3：基于更新的电网分析模型和识别出的电网故障基本信息，采用扩展等面积法则对该故障下的临界切除时间进行计算，并记录结果；/nS4：根据EEAC计算的临界切除时间结果、电网运行信息和电网暂态信息，采用极限学习机模型校正EEAC计算的临界切除时间结果，预测当前故障下的临界切除时间。/n

【技术特征摘要】
1.一种基于EEAC和ELM的电网临界切除时间预测方法，其特征在于，预测方法包括如下步骤：
S1：收集电力系统运行信息，并以固定的周期更新电网分析使用的模型；
S2：监测到故障发生后，识别故障基本信息；收集故障发生前的电网运行信息；收集故障发生瞬间的电网暂态信息；将故障基本信息、电网运行信息和电网暂态信息上传至电网调控中心；
S3：基于更新的电网分析模型和识别出的电网故障基本信息，采用扩展等面积法则对该故障下的临界切除时间进行计算，并记录结果；
S4：根据EEAC计算的临界切除时间结果、电网运行信息和电网暂态信息，采用极限学习机模型校正EEAC计算的临界切除时间结果，预测当前故障下的临界切除时间。


2.根据权利要求1所述的基于EEAC和ELM的电网临...

【专利技术属性】
技术研发人员：李峰，王琦，汤奕，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32