基于XGBoost电力系统动态频率响应曲线预测方法及系统技术方案

本发明专利技术提出了一种基于XGBoost电力系统动态频率响应曲线预测方法及系统，其方法步骤为：首先，基于海量预想故障场景的模拟结果获取多样化数据库，并将多样化数据库随机划分为训练数据集和测试数据集，分别对两个数据集进行归一化处理；其次，基于XGBoost集成学习模型构建频率响应曲线预测器，并利用贝叶斯优化模型确定最佳超参数；最后，利用训练数据集对频率响应曲线预测器进行迭代学习，并利用训练好的频率响应曲线预测器对给定预想故障或当前运行状态下的系统动态频率响应进行在线评估。本发明专利技术XGBoost模型降低了对样本的依赖性；通过贝叶斯优化实现XGBoost模型中超参数的自动调优，实现了扰动事件下整条频率响应曲线的预测。测。测。

【技术实现步骤摘要】
基于XGBoost电力系统动态频率响应曲线预测方法及系统


[0001]本专利技术涉及电力系统安全
，特别是指一种基于XGBoost电力系统动态频率响应曲线预测方法及系统。

技术介绍

[0002]随着风电、光伏等新能源机组高比例并网和煤电机组规模化退役，具有转动惯量的常规同步电源开机容量被不断替代，电力系统惯量水平大幅降低、频率调整能力弱化。同时，大容量特高压直流输电的馈入致使单条直流闭锁后带来巨量有功冲击，造成电力系统频率安全风险进一步增大。近年来，英国电网“8
·
9”、澳大利亚“9
·
28”等大停电事故引起国内外研究机构对电力系统频率稳定问题的高度关注。
[0003]在电力系统规划和运行中往往需要对大量预想有功扰动故障(机组跳闸、直流闭锁、新能源脱网等)进行分析，根据系统在故障后的频率响应性能验证规划方案或运行方式应对大容量有功冲击的适应性，以辅助制定频率安全控制措施。目前，实际电力系统中尚无广泛应用的在线频率稳定评估工具，仍然依赖基于全模型时域仿真的离线分析方式，常用的软件包括PSASP、PSD
‑
BPA、PSS/E等。全模型时域仿真可计及各类型机组的复杂控制特性和负荷详细模型，生成的频率曲线精度较高。然而，全模型时域仿真建模难度大、计算复杂度高、运算时间长，难以实现在线应用。等值模型法仅考虑一次调频过程，并只保留机组的“原动机
‑
调速器”部分，将系统简化等值为单机模型，其优点是极大加快了运算速度，但结果精度低，不适用于实际电网频率响应计算。
[0004]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，而其中的深度学习技术在研究领域被广泛运用于频率响应预测。利用深度学习方法进行动态频率响应预测的本质是建立样本输入数据与输出频率指标之间的非线性映射关系，具有极强的样本依赖性。为实现深度学习网络对频率指标的精确预测，需有丰富和充足的扰动事件下系统动态频率响应样本以训练深度学习模型。然而，电力系统实际运行中所发生有功扰动呈现出故障类型少、有功扰动大小范围窄的特点，尤其是有记录的大容量有功扰动历史事件的数目极少。因而，为了提高有功扰动故障覆盖范围、丰富样本数据库，在兼顾历史数据库的基础上仍然需要利用全模型时域仿真软件得到大量的预想有功扰动频率响应数据集，这极大地限制了深度学习的推广应用。随着电力系统规模的不断扩大，进行一次全模型时域仿真的时间骤然增加，执行一次仿真往往需要耗时几分钟，构建大量的样本数据库极为耗时。若一种智能化评估方法在少量稀疏样本下也具有较高准确性，将可以有效节省建立离线样本数据库的时间，提高总体效率。

技术实现思路

[0005]针对上述
技术介绍
中存在的不足，本专利技术提出了一种基于XGBoost电力系统动态频率响应曲线预测方法及系统，解决了深度学习样本依赖性强、离线训练速度慢的技术问题。
[0006]本专利技术的技术方案是这样实现的：
[0007]一种基于XGBoost电力系统动态频率响应曲线预测方法，其步骤如下：
[0008]S1，基于海量预想故障场景的模拟结果获取离线训练的多样化数据库；
[0009]S2，基于XGBoost集成学习模型构建频率响应曲线预测器；
[0010]S3，将离线训练的多样化数据库随机划分为训练数据集和测试数据集，并分别对训练数据集和测试数据集进行归一化处理；
[0011]S4，利用贝叶斯优化模型确定频率响应曲线预测器的最佳超参数；
[0012]S5，将最佳超参数传递给频率响应曲线预测器，并利用归一化处理后的训练数据集对频率响应曲线预测器进行迭代学习，得到训练完成的频率响应曲线预测器；
[0013]S6，利用训练完成的频率响应曲线预测器对给定预想故障或当前运行状态下的系统动态频率响应进行在线评估。
[0014]所述海量预想故障场景包括新能源脱网故障、大容量机组跳闸故障和直流闭锁故障。
[0015]所述多样化数据库中的数据包括输入特征和对应的输出动态频率响应值，其中，输入特征为机组惯性时间常数、机组开停机状态、有功功率扰动量、故障位置、机组单位调节功率以及旋转备用水平。
[0016]所述对应的输出动态频率响应值是采用惯性中心频率表征全局状态下的系统频率动态响应，具体公式为：
[0017][0018]式中，f
COI
表示惯性中心频率；f
i
为发电机节点i的频率；H
i
为第i台机组的惯性时间常数；n为正在运行的同步机组个数。
[0019]所述利用贝叶斯优化模型确定频率响应曲线预测器的最佳超参数的方法为：
[0020]S41，设置XGBoost算法中超参数的寻优范围；其中，超参数包括树的数目、正则化系数和学习率；
[0021]S42，设置贝叶斯优化的目标函数及迭代次数；
[0022]S43，输出预设迭代次数范围内的目标函数最优值及其对应的超参数的数值。
[0023]所述贝叶斯优化的目标函数为：
[0024][0025]式中：α为输入超参数向量，χ表示决策空间，f(α)为目标函数。
[0026]在步骤S43中，贝叶斯优化算法的具体计算过程如下：
[0027]S43.1：给定观测值α，使用GP模型更新f(α)的后验期望值；
[0028]S43.2：利用最大化采集函数选取下一个采集点α
t+1
；
[0029]S43.3：计算点α
t+1
的f(α)值；
[0030]S43.4：重复上述步骤直至达到设置的迭代次数，或者直到收敛为止。
[0031]目标函数f(α)为不同参数XGBoost测试的预测精度，将XGBoost的超参数作为目标函数f(α)的输入数据，并选择MAPE函数的最小值作为优化目标；
[0032][0033]式中，y
i'
为第i个样本频率的实际值，为第i个样本频率的频率响应曲线预测器得到的预测值，y
base
为频率基准值，i'＝1,2,
…
,N，N为样本大小。
[0034]所述训练完成的频率响应曲线预测器为：
[0035][0036]式中，d为频率点，K为树的棵数，表示第d个频率点的预测值，f
d,k
(x
i
)表示第d个频率响应曲线预测器。
[0037]一种基于XGBoost电力系统动态频率响应曲线预测系统，包括数据库构建模块、数据归一化模块、频率响应曲线预测器建立模块、基于贝叶斯优化的调参模块、频率响应曲线预测器离线训练模块、频率响应曲线预测器在线预测模块，所述数据库构建模块与数据归一化模块相连接，数据归一化模块分别与基于贝叶斯优化的调参模块、频率响应曲线预测器离线训练模块和频率响应曲线预测器在线预测模块相连接，频率响应曲线预测器建立模块与基于贝叶斯优化的调参模块相连接，且频率响应曲线预测器离线训练模块与频率响本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于XGBoost电力系统动态频率响应曲线预测方法，其特征在于，其步骤如下：S1，基于海量预想故障场景的模拟结果获取离线训练的多样化数据库；S2，基于XGBoost集成学习模型构建频率响应曲线预测器；S3，将离线训练的多样化数据库随机划分为训练数据集和测试数据集，并分别对训练数据集和测试数据集进行归一化处理；S4，利用贝叶斯优化模型确定频率响应曲线预测器的最佳超参数；S5，将最佳超参数传递给频率响应曲线预测器，并利用归一化处理后的训练数据集对频率响应曲线预测器进行迭代学习，得到训练完成的频率响应曲线预测器；S6，利用训练完成的频率响应曲线预测器对给定预想故障或当前运行状态下的系统动态频率响应进行在线评估。2.根据权利要求1所述的基于XGBoost电力系统动态频率响应曲线预测方法，其特征在于，所述海量预想故障场景包括新能源脱网故障、大容量机组跳闸故障和直流闭锁故障。3.根据权利要求1或2所述的基于XGBoost电力系统动态频率响应曲线预测方法，其特征在于，所述多样化数据库中的数据包括输入特征和对应的输出动态频率响应值，其中，输入特征为机组惯性时间常数、机组开停机状态、有功功率扰动量、故障位置、机组单位调节功率以及旋转备用水平。4.根据权利要求3所述的基于XGBoost电力系统动态频率响应曲线预测方法，其特征在于，所述对应的输出动态频率响应值是采用惯性中心频率表征全局状态下的系统频率动态响应，具体公式为：式中，f
COI
表示惯性中心频率；f
i
为发电机节点i的频率；H
i
为第i台机组的惯性时间常数；n为正在运行的同步机组个数。5.根据权利要求1所述的基于XGBoost电力系统动态频率响应曲线预测方法，其特征在于，所述利用贝叶斯优化模型确定频率响应曲线预测器的最佳超参数的方法为：S41，设置XGBoost算法中超参数的寻优范围；其中，超参数包括树的数目、正则化系数和学习率；S42，设置贝叶斯优化的目标函数及迭代次数；S43，输出预设迭代次数范围内的目标函数最优值及其对应的超参数的数值。6.根据权利要求5所述的基于XGBoost电力系统动态频率响应曲线预测方法，其特征...

【专利技术属性】
技术研发人员：司瑞华，邵红博，王传捷，于琳琳，王泽，张丽华，李甜甜，刘万勋，
申请(专利权)人：国家电网有限公司湖南大学，
类型：发明
国别省市：