一种电力系统静态电压稳定性确定方法及系统技术方案

本发明专利技术涉及一种电力系统静态电压稳定性确定方法及系统，所述方法包括：采用连续潮流法生成不同预测点的特征数据；基于静态电压稳定阈值确定每个所述特征数据的标签；根据不同预测点的特征数据及每个所述特征数据的标签，构建样本数据集；对所述样本数据集进行随机过采样处理，使所述样本数据集中的正样本数据和负样本数据平衡；利用随机过采样后的样本数据集对支持向量机模型进行训练，获得训练好的支持向量机模型；利用所述训练好的支持向量机模型确定电力系统静态电压稳定性。本发明专利技术采用连续潮流法生成特征数据，以增加样本数据，利用随机过采样法对样本进行平衡处理，提高了电力系统静态电压稳定性确定的准确性，减少了误分类。类。类。

【技术实现步骤摘要】
一种电力系统静态电压稳定性确定方法及系统


[0001]本专利技术涉及电力系统监测
，特别是涉及一种电力系统静态电压稳定性确定方法及系统。

技术介绍

[0002]静态电压稳定评估存在着两种误分类：一种是将不安全状态判断为安全状态，第二种是将安全状态判定为不安全状态。静态电压稳定评估过程中能够直接获得的样本较少，而且不稳定状态下的样本远远低于稳定状态下的样本，存在严重的不平衡的问题，导致现有的分类方法存在较高比例的误分类。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种电力系统静态电压稳定性确定方法及系统，以提高电力系统静态电压稳定性确定的准确性，减少误分类。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种电力系统静态电压稳定性确定方法，所述方法包括如下步骤：
[0006]采用连续潮流法生成不同预测点的特征数据；所述特征数据包括电力系统中节点的电压幅值和相角；
[0007]基于静态电压稳定阈值确定每个所述特征数据的标签；当特征数据中的电压幅值大于所述静态电压稳定阈值时，所述特征数据的标签用于表征电力系统静态电压不稳定，当特征数据中的电压幅值不大于所述静态电压稳定阈值时，所述特征数据的标签用于表征电力系统静态电压稳定；
[0008]根据不同预测点的特征数据及每个所述特征数据的标签，构建样本数据集；
[0009]对所述样本数据集进行随机过采样处理，使所述样本数据集中的正样本数据和负样本数据平衡，获得随机过采样后的样本数据集；所述正样本数据表示标签为电力系统静态电压稳定的样本，所述负样本数据表示标签为电力系统静态电压不稳定的样本；
[0010]利用随机过采样后的样本数据集对支持向量机模型进行训练，获得训练好的支持向量机模型；
[0011]利用所述训练好的支持向量机模型确定电力系统静态电压稳定性。
[0012]可选的，所述采用连续潮流法生成不同预测点的特征数据，具体包括：
[0013]拟向电力系统中施加连续增加的负荷，通过连续潮流法依次预测连续增加的负荷作用下的电力系统在每个预测点的特征数据。
[0014]可选的，所述静态电压稳定阈值为1.15V
cr
；其中，V
cr
表示极限电压。
[0015]可选的，所述利用随机过采样后的样本数据集对支持向量机模型进行训练，获得训练好的支持向量机模型，具体包括：
[0016]将随机过采样后的样本数据集划分为训练集和测试集；
[0017]初始化搜索区域和搜索步长；
[0018]在搜索区域内，根据所述训练集和所述搜索步长，利用网格搜索法和多重交叉验证法，优化支持向量机模型的超参数，获得训练后的支持向量机模型；所述超参数包括惩罚参数和高斯核函数；
[0019]利用所述测试集对训练后的支持向量机模型进行验证；
[0020]当验证通过时，输出训练后的支持向量机模型作为训练好的支持向量机模型；
[0021]当验证不通过时，将训练后的支持向量机模型的超参数为中心的预设范围作为搜索区域，并缩小搜索步长，返回步骤“在搜索区域内，根据所述训练集，利用网格搜索法和多重交叉验证法，优化支持向量机模型的超参数，获得训练后的支持向量机模型”。
[0022]可选的，所述在搜索区域内，根据所述训练集和所述搜索步长，利用网格搜索法和多重交叉验证法，优化支持向量机模型的超参数，获得训练后的支持向量机模型，具体包括：
[0023]在所述搜索区域内，根据所述搜索步长，生成二维超参数网络；所述二维超参数网络中的每个网络节点代表一个超参数；
[0024]根据所述训练集，对二维超参数网络中每个超参数下的支持向量机模型进行多重交叉验证，获得每个所述超参数下的支持向量机模型的分类准确率；
[0025]根据每个所述超参数下的支持向量机模型的分类准确率，构建分类准确率等高线；
[0026]根据所述分类准确率等高线，确定最高的分类准确率对应的超参数下的支持向量机模型，作为训练后的支持向量机模型。
[0027]一种电力系统静态电压稳定性确定系统，所述系统包括：
[0028]特征数据生成模块，用于采用连续潮流法生成不同预测点的特征数据；所述特征数据包括电力系统中节点的电压幅值和相角；
[0029]标签分类模块，用于基于静态电压稳定阈值确定每个所述特征数据的标签；当特征数据中的电压幅值大于所述静态电压稳定阈值时，所述特征数据的标签用于表征电力系统静态电压不稳定，当特征数据中的电压幅值不大于所述静态电压稳定阈值时，所述特征数据的标签用于表征电力系统静态电压稳定；
[0030]样本数据集构建模块，用于根据不同预测点的特征数据及每个所述特征数据的标签，构建样本数据集；
[0031]随机过采样模块，用于对所述样本数据集进行随机过采样处理，使所述样本数据集中的正样本数据和负样本数据平衡，获得随机过采样后的样本数据集；所述正样本数据表示标签为电力系统静态电压稳定的样本，所述负样本数据表示标签为电力系统静态电压不稳定的样本；
[0032]训练模块，用于利用随机过采样后的样本数据集对支持向量机模型进行训练，获得训练好的支持向量机模型；
[0033]电力系统静态电压稳定性确定模块，用于利用所述训练好的支持向量机模型确定电力系统静态电压稳定性。
[0034]可选的，所述特征数据生成模块，具体包括：
[0035]特征数据生成子模块，用于拟向电力系统中施加连续增加的负荷，通过连续潮流法依次预测连续增加的负荷作用下的电力系统在每个预测点的特征数据。
[0036]可选的，所述静态电压稳定阈值为1.15V
cr
；其中，V
cr
表示极限电压。
[0037]可选的，所述训练模块，具体包括：
[0038]样本数据集划分子模块，用于将随机过采样后的样本数据集划分为训练集和测试集；
[0039]初始化子模块，用于初始化搜索区域和搜索步长；
[0040]训练子模块，用于在搜索区域内，根据所述训练集和所述搜索步长，利用网格搜索法和多重交叉验证法，优化支持向量机模型的超参数，获得训练后的支持向量机模型；所述超参数包括惩罚参数和高斯核函数；
[0041]验证子模块，用于利用所述测试集对训练后的支持向量机模型进行验证；
[0042]模型输出子模块，用于当验证通过时，输出训练后的支持向量机模型作为训练好的支持向量机模型；
[0043]返回子模块，用于当验证不通过时，将训练后的支持向量机模型的超参数为中心的预设范围作为搜索区域，并缩小搜索步长，返回步骤“在搜索区域内，根据所述训练集，利用网格搜索法和多重交叉验证法，优化支持向量机模型的超参数，获得训练后的支持向量机模型”。
[0044]可选的，所述训练子模块，具体包括：
[0045]二维超参数网络生成单元，用于在所述搜索区域内，根据所述搜索步长本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力系统静态电压稳定性确定方法，其特征在于，所述方法包括如下步骤：采用连续潮流法生成不同预测点的特征数据；所述特征数据包括电力系统中节点的电压幅值和相角；基于静态电压稳定阈值确定每个所述特征数据的标签；当特征数据中的电压幅值大于所述静态电压稳定阈值时，所述特征数据的标签用于表征电力系统静态电压不稳定，当特征数据中的电压幅值不大于所述静态电压稳定阈值时，所述特征数据的标签用于表征电力系统静态电压稳定；根据不同预测点的特征数据及每个所述特征数据的标签，构建样本数据集；对所述样本数据集进行随机过采样处理，使所述样本数据集中的正样本数据和负样本数据平衡，获得随机过采样后的样本数据集；所述正样本数据表示标签为电力系统静态电压稳定的样本，所述负样本数据表示标签为电力系统静态电压不稳定的样本；利用随机过采样后的样本数据集对支持向量机模型进行训练，获得训练好的支持向量机模型；利用所述训练好的支持向量机模型确定电力系统静态电压稳定性。2.根据权利要求1所述的电力系统静态电压稳定性确定方法，其特征在于，所述采用连续潮流法生成不同预测点的特征数据，具体包括：拟向电力系统中施加连续增加的负荷，通过连续潮流法依次预测连续增加的负荷作用下的电力系统在每个预测点的特征数据。3.根据权利要求1所述的电力系统静态电压稳定性确定方法，其特征在于，所述静态电压稳定阈值为1.15V
cr
；其中，V
cr
表示极限电压。4.根据权利要求1所述的电力系统静态电压稳定性确定方法，其特征在于，所述利用随机过采样后的样本数据集对支持向量机模型进行训练，获得训练好的支持向量机模型，具体包括：将随机过采样后的样本数据集划分为训练集和测试集；初始化搜索区域和搜索步长；在搜索区域内，根据所述训练集和所述搜索步长，利用网格搜索法和多重交叉验证法，优化支持向量机模型的超参数，获得训练后的支持向量机模型；所述超参数包括惩罚参数和高斯核函数；利用所述测试集对训练后的支持向量机模型进行验证；当验证通过时，输出训练后的支持向量机模型作为训练好的支持向量机模型；当验证不通过时，将训练后的支持向量机模型的超参数为中心的预设范围作为搜索区域，并缩小搜索步长，返回步骤“在搜索区域内，根据所述训练集，利用网格搜索法和多重交叉验证法，优化支持向量机模型的超参数，获得训练后的支持向量机模型”。5.根据权利要求4所述的电力系统静态电压稳定性确定方法，其特征在于，所述在搜索区域内，根据所述训练集和所述搜索步长，利用网格搜索法和多重交叉验证法，优化支持向量机模型的超参数，获得训练后的支持向量机模型，具体包括：在所述搜索区域内，根据所述搜索步长，生成二维超参数网络；所述二维超参数网络中的每个网络节点代表一个超参数；根据所述训练集，对二维超参数网络中每个超参数下的支持向量机模型进行多重交叉
验证，获得每个所述超参数下的支持向量机模型的分类准确率；根据每个所述超参数下的支持向量机模型的分类准确率，构建分类准确率等高线；根据所述分类准确率等高线，确定最高的分类准确率对应的超参数下的支持向量机模型，作为训练后的支持向量机模型。6.一种电力系统静态电压稳定性确定系统，其特征在于，所述系统包括：特征数据生成...

【专利技术属性】
技术研发人员：夏世威，李雅晗，孙冠群，李庚银，蔡德福，张良一，
申请(专利权)人：国网湖北省电力有限公司电力科学研究院，
类型：发明
国别省市：