基于数据驱动的TCPST紧急控制启动判据生成方法技术

本申请公开了基于数据驱动的TCPST紧急控制启动判据生成方法及生成装置，生成方法包括根据TCPST的控制目标，选择对应的紧急控制启动判据指标；确定用于数据驱动的样本集的输入量与输出量；通过MATLAB和BPA的交互，自动获取不同故障位置下的故障极限清除时间；通过MATLAB和BPA的交互，自动获取不同故障位置、不同故障清除时间的样本集；通过神经网络对样本集进行学习，得到学习模型，学习模型作为TCPST的紧急控制启动判据。通过上述方式，本申请方法调用速度快、有助于保证控制的响应速度，同时完善了TCPST紧急控制的流程框架，避免了启动判据缺失对TCPST使用寿命及电网效益的不利影响。影响。影响。

【技术实现步骤摘要】
基于数据驱动的TCPST紧急控制启动判据生成方法


[0001]本申请涉及电力系统
，尤其涉及基于数据驱动的TCPST紧急控制启动判据生成方法及生成装置。

技术介绍

[0002]互联电力系统具有发供电可靠性高、运行灵活性强等优点。然而，大系统的传输容量经常受到暂态稳定性问题的限制，因此各种各样的控制方法被引入电力系统，用以提高电力系统的暂态稳定性，并被应用于电力系统各种不同动态元件的控制中去。由于包括晶闸管控制移相器(Thyristor Controlled Phase Shifting Transformer，TCPST)在内的柔性交流输电设备具有快速响应的特性，它们不仅可以被用于稳态潮流调控，而且可被用来抑制系统振荡和提高电力系统暂态稳定性。
[0003]当前，对TCPST的暂态控制研究较少，关于TCPST紧急控制启动判据的研究更是没有，而启动判据在动态元件的控制框架中却是不可缺少的一环，如果没有启动判据，元件的紧急控制可能在小扰动或轻微故障时就被投入运行，这将导致TCPST频繁且不必要的动作，影响TCPST相关部件的使用寿命、增加器件的故障率，且可能导致TCPST无法维持在稳态最优的控制策略下从而影响TCPST发挥最大的经济效益。

技术实现思路

[0004]本申请提供基于数据驱动的TCPST紧急控制启动判据生成方法及生成装置，以解决现有技术中影响TCPST相关部件的使用寿命、增加器件的故障率的问题。
[0005]为解决上述技术问题，本申请提出一种基于数据驱动的TCPST紧急控制启动判据生成方法，包括：根据TCPST的控制目标，选择对应的紧急控制启动判据指标；确定用于数据驱动的样本集的输入量与输出量；通过MATLAB和BPA的交互，自动获取不同故障位置下的故障极限清除时间；通过MATLAB和BPA的交互，自动获取不同故障位置、不同故障清除时间的样本集；通过神经网络对样本集进行学习，得到学习模型，学习模型作为TCPST的紧急控制启动判据。
[0006]可选地，根据TCPST的控制目标，选择对应的紧急控制启动判据指标，包括：BPA暂态稳定仿真输出的OUT文件包括系统内最大功角差，当最大功角差大于180度时，判断系统暂态功角失稳，并以此作为极限清除时间的判断依据；其中，M＝T
CCT
‑
T
CT
，T
CCT
为极限清除时间，T
CT
为故障清除时间，M为紧急控制启动判据指标。
[0007]可选地，样本集的输入量包括：发电机功角、节点电压和负荷节点有功功率；样本集的输入量为紧急控制启动判据指标。
[0008]可选地，利用二分法获得极限清除时间。
[0009]可选地，还包括：将样本集导入MATLAB的神经网络工具箱中进行学习，通过调整样本数量、神经网络参数来提高机器学习的精度，以得到学习模型。
[0010]为解决上述技术问题，本申请提出一种基于数据驱动的TCPST紧急控制启动判据
生成装置，包括：指标模块，用于根据TCPST的控制目标，选择对应的紧急控制启动判据指标；样本集模块，用于确定用于数据驱动的样本集的输入量与输出量；MATLAB和BPA模块，用于通过MATLAB和BPA的交互，自动获取不同故障位置下的故障极限清除时间；通过MATLAB和BPA的交互，自动获取不同故障位置、不同故障清除时间的样本集；神经网络模块，用于通过神经网络对样本集进行学习，得到学习模型，学习模型作为TCPST的紧急控制启动判据。
[0011]可选地，BPA暂态稳定仿真输出的OUT文件包括系统内最大功角差，当最大功角差大于180度时，判断系统暂态功角失稳，并以此作为极限清除时间的判断依据；其中，M＝T
CCT
‑
T
CT
，T
CCT
为极限清除时间，T
CT
为故障清除时间，M为紧急控制启动判据指标。
[0012]可选地，样本集的输入量包括：发电机功角、节点电压和负荷节点有功功率；样本集的输入量为紧急控制启动判据指标。
[0013]可选地，MATLAB和BPA模块还用于利用二分法获得极限清除时间。
[0014]可选地，网络神经模块还用于将样本集导入MATLAB的神经网络工具箱中进行学习，通过调整样本数量、神经网络参数来提高机器学习的精度，以得到学习模型。
[0015]本申请提出基于数据驱动的TCPST紧急控制启动判据生成方法及生成装置，生成方法包括根据TCPST的控制目标，选择对应的紧急控制启动判据指标；确定用于数据驱动的样本集的输入量与输出量；通过MATLAB和BPA的交互，自动获取不同故障位置下的故障极限清除时间；通过MATLAB和BPA的交互，自动获取不同故障位置、不同故障清除时间的样本集；通过神经网络对样本集进行学习，得到学习模型，学习模型作为TCPST的紧急控制启动判据。通过上述方式，本申请方法调用速度快、有助于保证控制的响应速度，同时完善了TCPST紧急控制的流程框架，避免了启动判据缺失对TCPST使用寿命及电网效益的不利影响。
附图说明
[0016]为了更清楚地说明本申请的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是本申请基于数据驱动的TCPST紧急控制启动判据生成方法一实施例的流程示意图；
[0018]图2是本实施例中TCPST三机九节点的系统图；
[0019]图3是本申请步骤S130一实施例的流程示意图；
[0020]图4是本申请步骤S140一实施例的流程示意图；
[0021]图5是本申请基于数据驱动的TCPST紧急控制启动判据生成装置一实施例的结构示意图。
具体实施方式
[0022]为使本领域的技术人员更好地理解本申请的技术方案，下面结合附图和具体实施方式对本申请所提供基于数据驱动的TCPST紧急控制启动判据生成方法及生成装置进一步详细描述。
[0023]针对当前移相器紧急控制启动判据相关研究的缺失问题，本申请提出一种基于数据驱动的TCPST紧急控制启动判据生成方法，完善了TCPST紧急控制的流程框架，避免了启
动判据缺失对TCPST使用寿命及电网效益的不利影响。
[0024]软件方面，中国电力科学研究院开发的机电暂态仿真软件包BPA具有潮流计算、暂稳仿真计算、短路计算、小干扰稳定计算等功能,在我国的电力系统的规划、设计等相关单位和各高校中具有广泛的应用，而矩阵实验室(Matrix Laboratory，MATLAB)是MathWorks公司推出的用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境的商业数学软件，目前已在多个工程领域被广泛应用。本专利正是基于BPA与MATLAB的交互，将算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的TCPST紧急控制启动判据生成方法，其特征在于，包括：根据TCPST的控制目标，选择对应的紧急控制启动判据指标；确定用于数据驱动的样本集的输入量与输出量；通过MATLAB和BPA的交互，自动获取不同故障位置下的故障极限清除时间；通过所述MATLAB和所述BPA的交互，自动获取不同故障位置、不同故障清除时间的所述样本集；通过神经网络对所述样本集进行学习，得到学习模型，所述学习模型作为TCPST的紧急控制启动判据。2.根据权利要求1所述的基于数据驱动的TCPST紧急控制启动判据生成方法，其特征在于，所述根据TCPST的控制目标，选择对应的紧急控制启动判据指标，包括：BPA暂态稳定仿真输出的OUT文件包括系统内最大功角差，当所述最大功角差大于180度时，判断所述系统暂态功角失稳，并以此作为所述极限清除时间的判断依据；其中，M＝T
CCT
‑
T
CT
，T
CCT
为极限清除时间，T
CT
为故障清除时间，M为所述紧急控制启动判据指标。3.根据权利要求2所述的基于数据驱动的TCPST紧急控制启动判据生成方法，其特征在于，所述样本集的输入量包括：发电机功角、节点电压和负荷节点有功功率；所述样本集的输入量为所述紧急控制启动判据指标。4.根据权利要求3所述的基于数据驱动的TCPST紧急控制启动判据生成方法，其特征在于，还包括：利用二分法获得所述极限清除时间。5.根据权利要求4所述的基于数据驱动的TCPST紧急控制启动判据生成方法，其特征在于，还包括：将所述样本集导入所述MATLAB的神经网络工具箱中进行学习，通过调整样本数量、神经网络参数来提高机器学习的精度，以得到所述学习模型。6.一种基于数据驱动的TCPST紧急控制...

【专利技术属性】
技术研发人员：李作红，李峰，余梦泽，刘若平，陈智颖，李鸿，左郑敏，余浩，彭勃，徐蔚，杨燕，金楚，罗澍忻，周姝灿，马龙义，张蓓，陈鸿琳，李猛，李逸欣，彭虹桥，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：