一种基于对抗生成神经网络的电网动态稳定评估方法技术

本发明专利技术属于电网运行与控制技术领域，尤其涉及一种基于对抗生成神经网络的电网动态稳定评估方法。其基于对抗生成神经网络动态博弈训练数据，能够更及时、准确地对电网动态稳定性评估。包括以下步骤：步骤1、获取多组离线系统运行场景数据；步骤2、计算多组场景数据特征值；步骤3、分类不同特征值对应振荡模式作为对抗生成神经网络真实数据；步骤4、随机生成低频振荡信号参数作为对抗生成神经网络初始输入数据；步骤5、对数据进行数据预处理；步骤6、生成网络与判别网络单独交替迭代建立动态博弈过程辨识系统振荡频率及阻尼比；步骤7、输出系统振荡频率及阻尼比；步骤8、基于动态稳定判别依据对系统动态稳定性进行评估。依据对系统动态稳定性进行评估。依据对系统动态稳定性进行评估。

【技术实现步骤摘要】
一种基于对抗生成神经网络的电网动态稳定评估方法


[0001]本专利技术属于电网运行与控制
，尤其涉及一种基于对抗生成神经网络的电网动态稳定评估方法。

技术介绍

[0002]随着大规模新能源场站的接入，其自身衍生的各类问题也给电力系统安全稳定运行带来了巨大的考验。一方面受高比例新能源接入导致电网结构的变化，电网的主要振荡频率模式随着发生变化，从整体来看，电网动态稳定水平整体不高，易发生弱阻尼现象，需要及时发现对系统进行调整。同时一旦系统内部任意位置受到扰动都会对系统的动态稳定性产生较大的影响。目前尚无有效应对策略。优化电网动态稳定评估方法，构建预防控制的电网动态稳定评价体系是全面提升电网动态稳定运行水平的重要手段，也是实现电网稳定运行的有效支撑。
[0003]对系统动态稳定性进行评估，准确、及时、有效地辨识出电力系统主导振荡模式，避免系统弱阻尼现象的发生，能够有效地促进系统的安全稳定运行。目前国内外对低频振荡的研究方法主要有特征值分析法、时域仿真法、信号分析法。其中，1)特征值分析法将系统在工作点附近线性化，形成状态矩阵并分析系统的灵敏度、振荡模式等。求解状态方程的特征根，若特征根的实部全为负，则系统稳定；若存在正实部，则系统不稳定。2)时域仿真法利用系统扰动产生的非线性方程计算出系统变量完整的时间响应，并通过曲线仿真得出系统振荡模式的阻尼特性及频率。3)信号分析法主要是通过实测或仿真数据，辨识得到系统的振荡模式、频率等信息，定量分析振荡阻尼问题。常用到的信号分析法包括傅立叶变换分析法、小波分析法、Prony法、HHT等。
[0004]传统的系统动态稳定性评估方法辨识误差较大，对扰动敏感性较差，需要建立精确的系统动态模型才能保证计算结果与实际系统无偏差。其次，实时性较差，无法及时判断出系统的振荡模式，在系统运行状态恶劣的条件下存在评估延迟，无法及时发现扰动点，甚至导致系统出现二次扰动，使系统呈现弱阻尼状态，不利于电网的动态稳定，实用性较差。
[0005]解决问题的关键是如何快速、准确地跟踪辨识系统振荡特征参数，进行系统的动态稳定评估。该评估方法的复杂性在于，一方面，评估方法要适应多种电网结构，如不同地区产业特色不同，导致机组出力情况相差较大等等，电网结构不同，要求评估方法仍能准确地判断出系统的动态稳定性。另一方面，评估方法要准确及时地判断出系统振荡频率、阻尼比的变化等。如何实现适应不同地区、不同工况的动态稳定评估方法是一个关键问题。

技术实现思路

[0006]本专利技术就是针对现有技术存在的缺陷，提供一种基于对抗生成神经网络的电网动态稳定评估方法，其旨在解决现有动态稳定评估方法存在的上述问题，通过将对抗生成神经网络与电力系统动态稳定相结合，以系统运行场景数据为输入，以系统预估振荡频率和阻尼比为输出，基于对抗生成神经网络动态博弈训练数据，能够更及时、准确地对电网动态
稳定性评估，为实现高比例新能源接入的电网动态稳定提供技术依据和实用化方法。
[0007]为实现上述目的，本专利技术采用如下技术方案，包括以下步骤：
[0008]步骤1、获取多组离线系统运行场景数据；
[0009]步骤2、计算多组场景数据特征值；
[0010]步骤3、分类不同特征值对应振荡模式作为对抗生成神经网络真实数据；
[0011]步骤4、随机生成低频振荡信号参数作为对抗生成神经网络初始输入数据；
[0012]步骤5、对数据进行数据预处理；
[0013]步骤6、生成网络与判别网络单独交替迭代建立动态博弈过程辨识系统振荡频率及阻尼比；
[0014]步骤7、输出系统振荡频率及阻尼比；
[0015]步骤8、基于动态稳定判别依据对系统动态稳定性进行评估。
[0016]进一步地，所述步骤6包括：
[0017]步骤6.1、建立对抗生成神经网络中生成网络；
[0018]步骤6.2、建立对抗生成神经网络中判别网络；
[0019]步骤6.3、生成网络接受初始数据后初步生成系统振荡频率及阻尼比；
[0020]步骤6.4、判别网络同时接受生成网络初步生成的系统振荡频率及阻尼比、真实数据后再判断输入数据的真实性；
[0021]步骤6.5、生成网络接受判别网络判断出的真振荡频率及阻尼比自主学习数据概率分布或密度，重新生成低频振荡信号(主要)参数；
[0022]步骤6.6、判别网络接受判别网络判断出的假振荡频率及阻尼比自主学习数据概率分布或密度，重新生成判别网络的判断依据；
[0023]步骤6.7、建立生成网络与判别网络最优目标函数；
[0024]步骤6.8、多次单独交替迭代优化。
[0025]进一步地，获取多组离线系统运行场景数据为：包括获取各台机组出力情况数据、电压断面数据、系统运行方式数据；其中各台机组出力情况数据包括多组历史风电数据、火电数据、光伏数据。
[0026]进一步地，计算多组场景数据特征值包括：将多组系统运行场景数据线性化，形成状态矩阵并求解状态矩阵的特征根。
[0027]进一步地，分类不同特征值对应振荡模式作为对抗生成神经网络真实数据是指包括：计算多组离线历史数据特征值，利用对抗生成神经网络自主学习不同特征值对应振荡模式的数据概率分布或密度，作为对抗生成神经网络中判断网络的判别依据。
[0028]进一步地，随机生成低频振荡信号参数作为对抗生成神经网络初始输入数据包括：随机生成系统受到低频振荡信号扰动时系统运行场景数据作为对抗生成神经网络生成网络的初始输入数据。
[0029]进一步地，对数据进行数据预处理包括：采用min
‑
max归一化方法使所获取的场景数据分别影射至[0,1]区间内，按如下公式进行归一化：
[0030][0031]其中：X
norm
为归一化后的数据；X为需预处理数据；X
min
为数据中最小值；X
max
为数据
中最大值。
[0032]进一步地，建立对抗生成神经网络中生成网络包括建立自主学习初始数据与判别网络判断出的真数据的数据概率分布或密度的神经网络；建立对抗生成神经网络中判别网络包括建立自主学习真实数据的数据概率分布或密度及判别网络判断出的假数据的数据概率分布或密度的神经网络。
[0033]进一步地，建立生成网络与判别网络最优目标函数包括：按如下公式建立最优目标函数：
[0034][0035]其中，G表示生成网络，D表示判别网络，V(,)表示二元极小极大值博弈，E(*)表示分布函数的期望值，x表示真实数据，P
date
(x)代表着真实数据的分布，z表示随机数据，P
noise
(z)是定义在低维的随机数据分布,D(*)表示判别网络输出的数据，G(*)表示生成网络输出的数据。
[0036]进一步地，多次单独交替迭代优化包括：生成网络与判别网络通过竞争同时使各自神经网络输出数据最优或判断依据最优；即把目标函数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于对抗生成神经网络的电网动态稳定评估方法，其特征在于：包括以下步骤：步骤1、获取多组离线系统运行场景数据；步骤2、计算多组场景数据特征值；步骤3、分类不同特征值对应振荡模式作为对抗生成神经网络真实数据；步骤4、随机生成低频振荡信号参数作为对抗生成神经网络初始输入数据；步骤5、对数据进行数据预处理；步骤6、生成网络与判别网络单独交替迭代建立动态博弈过程辨识系统振荡频率及阻尼比；步骤7、输出系统振荡频率及阻尼比；步骤8、基于动态稳定判别依据对系统动态稳定性进行评估。2.根据权利要求1所述的方法，其特征在于：所述步骤6包括：步骤6.1、建立对抗生成神经网络中生成网络；步骤6.2、建立对抗生成神经网络中判别网络；步骤6.3、生成网络接受初始数据后初步生成系统振荡频率及阻尼比；步骤6.4、判别网络同时接受生成网络初步生成的系统振荡频率及阻尼比、真实数据后再判断输入数据的真实性；步骤6.5、生成网络接受判别网络判断出的真振荡频率及阻尼比自主学习数据概率分布或密度，重新生成低频振荡信号参数；步骤6.6、判别网络接受判别网络判断出的假振荡频率及阻尼比自主学习数据概率分布或密度，重新生成判别网络的判断依据；步骤6.7、建立生成网络与判别网络最优目标函数；步骤6.8、多次单独交替迭代优化。3.根据权利要求1所述的方法，其特征在于：获取多组离线系统运行场景数据为：包括获取各台机组出力情况数据、电压断面数据、系统运行方式数据；其中各台机组出力情况数据包括多组历史风电数据、火电数据、光伏数据。4.根据权利要求1所述的方法，其特征在于：计算多组场景数据特征值包括：将多组系统运行场景数据线性化，形成状态矩阵并求解状态矩阵的特征根。5.根据权利要求1所述的方法，其特征在于：分类不同特征值对应振荡模式作为对抗生成神经网络真实数据是指包括：计算多组离线历史数据特征值，利用对抗生成神经网络自主学习不同特征值对应振荡模式的数据概率分布或密度，作为对抗生成神经网络中判断网络的判别依据。6.根据权利要求1所述的方法，其特征在于：随机生成低频振荡信号参数作为对抗生成神经网络初始输入数据包括：随机生成系统受到低频振荡信号扰动时系统运行场景数据作为对抗生成神经网络生成网络的初始输入数据。7.根据权利要求1所述的方法，其特征在于：对数据进行数据预处理包括：采用m...

【专利技术属性】
技术研发人员：田增垚，孙铭泽，李春山，刘少午，朱时雨，曹帅，
申请(专利权)人：国家电网公司东北分部，
类型：发明
国别省市：