一种预测校正电力系统电压稳定L指标的方法及系统技术方案

本发明专利技术公开了一种预测校正电力系统电压稳定L指标的方法及系统，涉及电力系统静态电压稳定在线评估和优化领域，该方法包括：获取电力系统各节点的运行数据；运行数据包括有功功率、无功功率、电压幅值和电压相角；将运行数据输入到训练好的机器学习BLS模型，得到L指标的预测值；当L指标的预测值在电力系统电压稳定崩溃的极限点设定的阈值范围内时，提取运行数据中与L指标相关的运行特征，并根据运行特征，对电力系统的约束条件进行校正。本发明专利技术能够提高被评估的电力系统的电压稳定性，从而保证电力系统的安全稳定运行。证电力系统的安全稳定运行。证电力系统的安全稳定运行。

【技术实现步骤摘要】
一种预测校正电力系统电压稳定L指标的方法及系统


[0001]本专利技术涉及电力系统静态电压稳定在线评估和优化领域，特别是涉及一种预测校正电力系统电压稳定L指标的方法及系统。

技术介绍

[0002]随着我国国民经济的高速健康发展，各个行业的用电需求量显著提升，电力系统正朝着大规模、大容量、超高压和远距离输电的方向发展。规模庞大的电网虽然能够提高电力系统的运行效率，但系统的结构也变得越来越复杂，给系统带来了许多安全隐患。再加上我国近些年大力发展智能电网、新能源并网交直流混联等电网建设，这些情况对于如何保证电力系统安全稳定运行具有非常大的挑战性。
[0003]保障电力系统的安全稳定与运行性能，维持系统静态电压稳定性对电力系统运行至关重要。随着电网用户负荷的需求量不断增加，新能源技术的广泛应用，大规模的高渗透率可再生能源发电系统并网以及电网框架的复杂程度不断提高，电力系统的运行点越来越接近系统运行的稳定极限点，发生电压崩溃事故的概率也就相应的增加。电力系统一般先在最薄弱节点或区域开始发生电压崩溃，然后逐步影响到系统的其他节点和区域，最后导致整个电力系统发生电压崩溃。在当前系统负载的负荷功率不断增加的时代下，解决如何保证电力系统的电压稳定性问题的方法，使得整个系统电压处于一个相对安全稳定的运行水平，对于维持系统在相对安全稳定的范围内运行意义非凡。
[0004]由于电力系统一般先在最薄弱节点或局部开始发生电压崩溃，故关于电压稳定的问题一般被作为局部问题来考虑，而且系统发生电压崩溃的过程较为迅速和突然。目前为止，对静态电压稳定性研究的过程中提出了许多不同的分析方法，例如奇异值分解法、连续潮流法、灵敏度法、非线性规划法、直接法等等。然而这些方法一般需要构建复杂的数学模型且计算量较大，难以实现对电力系统的电压稳定状态进行在线监测，并且电网在越来越接近电压稳定的极限点处运行，而监测设备难以在极短的时间内提供系统实时情况，无法为工作人员留出充足的时间来采取相应的措施对系统进行校正。

技术实现思路

[0005]本专利技术的目的是提供一种预测校正电力系统电压稳定L指标的方法及系统，能够提高被评估的电力系统的电压稳定性，从而保证电力系统的安全稳定运行。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种预测校正电力系统电压稳定L指标的方法，所述方法包括：
[0008]获取电力系统各节点的运行数据；所述运行数据包括有功功率、无功功率、电压幅值和电压相角；
[0009]将所述运行数据输入到训练好的机器学习BLS模型，得到L指标的预测值；
[0010]当所述L指标的预测值在电力系统电压稳定崩溃的极限点设定的阈值范围内时，提取所述运行数据中与L指标相关的运行特征，并根据所述运行特征，对电力系统的约束条
件进行校正。
[0011]可选地，所述机器学习BLS模型的训练过程包括：
[0012]根据所述运行数据的历史数据，计算对应的L指标数值；
[0013]以所述运行数据的历史数据为输入，以所述对应的L指标数值为输出，对所述机器学习BLS模型进行训练，得到训练好的机器学习BLS模型。
[0014]可选地，所述提取所述运行数据中与L指标相关的运行特征，具体包括：
[0015]利用特征分析法对所述运行数据进行分析，得到初始特征；
[0016]从所述初始特征中筛选出与L指标的相关度满足设定要求的特征，得到与L指标相关的运行特征。
[0017]可选地，所述根据所述运行特征，对电力系统的约束条件进行校正，具体包括：
[0018]根据所述运行特征，应用特征值优化方法，通过L指标约束的潮流程序，对电力系统进行分析和求解，得到校正控制数据；
[0019]根据所述校正控制数据，对电力系统的约束条件进行校正；所述约束条件包括发电机的有功功率的上限、发电机的有功功率的下限、发电机的无功功率的上限、发电机的无功功率的下限、各节点电压的上限和各节点电压的下限。
[0020]可选地，所述方法还包括：
[0021]获取校正后的电力系统各节点的运行数据，得到校正后的运行数据；
[0022]将所述校正后的运行数据输入到训练好的机器学习BLS模型，得到校正后的L指标的预测值；
[0023]判断所述校正后的L指标的预测值是否在电力系统电压稳定崩溃的极限点设定的阈值范围内；
[0024]当所述校正后的L指标的预测值在电力系统电压稳定崩溃的极限点设定的阈值范围内时，对所述电力系统的约束条件进行校正直到所述校正后的L指标的预测值不在电力系统电压稳定崩溃的极限点设定的阈值范围内。
[0025]一种预测校正电力系统电压稳定L指标的系统，应用于上述的预测校正电力系统电压稳定L指标的方法，所述系统包括：
[0026]数据采集模块，用于获取电力系统各节点的运行数据；所述运行数据包括有功功率、无功功率、电压幅值和电压相角；
[0027]电压稳定指标预测模块，用于将所述运行数据输入到训练好的机器学习BLS模型，得到L指标的预测值；
[0028]校正模块，用于当所述L指标的预测值在电力系统电压稳定崩溃的极限点设定的阈值范围内时，提取所述运行数据中与L指标相关的运行特征，并根据所述运行特征，对电力系统的约束条件进行校正。
[0029]可选地，所述系统还包括训练模块；所述训练模块包括：
[0030]计算执行模块，用于根据所述运行数据的历史数据，计算对应的L指标数值；
[0031]训练子模块，用于以所述运行数据的历史数据为输入，以所述对应的L指标数值为输出，对所述机器学习BLS模型进行训练，得到训练好的机器学习BLS模型。
[0032]可选地，所述校正模块包括：
[0033]分析子模块，用于利用特征分析法对所述运行数据进行分析，得到初始特征；
[0034]筛选子模块，用于从所述初始特征中筛选出与L指标的相关度满足设定要求的特征，得到运行特征。
[0035]可选地，所述校正模块还包括：
[0036]数据特征分析模块，用于根据所述运行特征，应用特征值优化方法，通过L指标约束的潮流程序，对电力系统进行分析和求解，得到校正控制数据；
[0037]校正控制模块，用于根据所述校正控制数据，对电力系统的约束条件进行校正；所述约束条件包括发电机的有功功率的上限、发电机的有功功率的下限、发电机的无功功率的上限、发电机的无功功率的下限、各节点电压的上限和各节点电压的下限。
[0038]可选地，所述系统还包括：
[0039]校正后的数据采集模块，用于获取校正后的电力系统各节点的运行数据，得到校正后的运行数据；
[0040]校正后的电压稳定指标预测模块，用于将所述校正后的运行数据输入到训练好的机器学习BLS模型，得到校正后的L指标的预测值；
[0041]校正后的判断模块，用于判断所述校正后的L指标的预测值是否在电力系统电压稳定崩溃的极限点设定的阈值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测校正电力系统电压稳定L指标的方法，其特征在于，所述方法包括：获取电力系统各节点的运行数据；所述运行数据包括有功功率、无功功率、电压幅值和电压相角；将所述运行数据输入到训练好的机器学习BLS模型，得到L指标的预测值；当所述L指标的预测值在电力系统电压稳定崩溃的极限点设定的阈值范围内时，提取所述运行数据中与L指标相关的运行特征，并根据所述运行特征，对电力系统的约束条件进行校正。2.根据权利要求1所述的预测校正电力系统电压稳定L指标的方法，其特征在于，所述机器学习BLS模型的训练过程包括：根据所述运行数据的历史数据，计算对应的L指标数值；以所述运行数据的历史数据为输入，以所述对应的L指标数值为输出，对所述机器学习BLS模型进行训练，得到训练好的机器学习BLS模型。3.根据权利要求1所述的预测校正电力系统电压稳定L指标的方法，其特征在于，所述提取所述运行数据中与L指标相关的运行特征，具体包括：利用特征分析法对所述运行数据进行分析，得到初始特征；从所述初始特征中筛选出与L指标的相关度满足设定要求的特征，得到与L指标相关的运行特征。4.根据权利要求1所述的预测校正电力系统电压稳定L指标的方法，其特征在于，所述根据所述运行特征，对电力系统的约束条件进行校正，具体包括：根据所述运行特征，应用特征值优化方法，通过L指标约束的潮流程序，对电力系统进行分析和求解，得到校正控制数据；根据所述校正控制数据，对电力系统的约束条件进行校正；所述约束条件包括发电机的有功功率的上限、发电机的有功功率的下限、发电机的无功功率的上限、发电机的无功功率的下限、各节点电压的上限和各节点电压的下限。5.根据权利要求1所述的预测校正电力系统电压稳定L指标的方法，其特征在于，所述方法还包括：获取校正后的电力系统各节点的运行数据，得到校正后的运行数据；将所述校正后的运行数据输入到训练好的机器学习BLS模型，得到校正后的L指标的预测值；判断所述校正后的L指标的预测值是否在电力系统电压稳定崩溃的极限点设定的阈值范围内；当所述校正后的L指标的预测值在电力系统电压稳定崩溃的极限点设定的阈值范围内时，对所述电力系统的约束条件进行校正直到所述校正后的L指标的预测值不在电力系统电压稳定崩溃的极限点设定的阈值范围内。6.一种预测校正电力系统电压稳定L指标的系统，其特征在于，所述系统包括：数据采集模块，用于获取电力系...

【专利技术属性】
技术研发人员：阳育德，黄钦，杨莉贞，李滨，
申请(专利权)人：广西大学，
类型：发明
国别省市：