一种电力系统的控制方法、系统、电子设备及存储介质技术方案

本发明专利技术提供一种电力系统的控制方法、系统、电子设备及存储介质，属于电力系统控制领域，控制方法包括：获取电力系统的当前潮流数据；基于预测模型，根据当前潮流数据，确定电力系统的当前最小阻尼比及当前最小阻尼比对应的当前振荡频率；若当前最小阻尼比小于阻尼比阈值，且当前振荡频率大于频率阈值，则根据各发电机的有功功率上限、有功功率下限、所述当前潮流数据、各发电机对阻尼比的灵敏度、所述当前最小阻尼比及所述阻尼比阈值，确定约束条件；基于约束条件，以各发电机的有功功率调整量最小为目标，建立校正控制模型，并求解，确定各发电机的有功功率调整量，进而调整对应发电机的有功功率，提高了电力系统的稳定性。提高了电力系统的稳定性。提高了电力系统的稳定性。

【技术实现步骤摘要】
一种电力系统的控制方法、系统、电子设备及存储介质


[0001]本专利技术涉及电力系统控制领域，特别是涉及一种基于次同步振荡分析的电力系统的控制方法、系统、电子设备及存储介质。

技术介绍

[0002]随着电网的发展和新设备、新能源的并网，电力系统次同步振荡问题越来越多，诱发机理也越来越复杂，传统的分析方法已经难以满足分析新问题的要求。SSO(Subsynchronous oscillation，次同步振荡)不仅会造成谐波污染，影响电能质量，还可能导致新能源设备损坏和新能源大面积脱网，严重影响新能源的并网消纳，甚至可能导致火电机组轴系疲劳，致使发电机轴系断裂，进而诱发区域电网连锁事故，对电网中机组、电力设备的安全和整个电力系统的稳定运行构成了巨大威胁，应予以高度重视。
[0003]因此，需要正确判断电力系统运行中是否存在次同步振荡风险，并基于发电调度要求找到合适的校正方法，目前，一般通过机器学习的方式对电力系统的次同步振荡进行分析，电力系统领域中应用比较广泛的机器学习方法为深度学习，而深度学习可能会出现梯度消失或爆炸的问题，且深度学习的训练过程和时间都比较漫长，不能保证电力系统的稳定运行。

技术实现思路

[0004]本专利技术的目的是提供一种电力系统的控制方法、系统、电子设备及存储介质，可提高电力系统的稳定性。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种电力系统的控制方法，包括：
[0007]获取电力系统的当前潮流数据；所述当前潮流数据包括各发电机的有功功率、各发电机的无功功率、负荷端的有功功率、负荷端的无功功率、输电线路的有功功率、输电线路的无功功率、各节点的电压幅值及各节点的电压相角；
[0008]基于预测模型，根据所述当前潮流数据，确定所述电力系统的当前最小阻尼比及当前最小阻尼比对应的当前振荡频率；所述预测模型为预先采用训练样本集对宽度学习网络进行训练得到的；所述训练样本集包括多个训练样本；每个训练样本包括电力系统的历史潮流数据及历史潮流数据对应的历史最小阻尼比和历史振荡频率；
[0009]判断所述当前最小阻尼比是否小于阻尼比阈值，且所述当前振荡频率是否大于频率阈值；
[0010]若所述当前最小阻尼比小于阻尼比阈值，且所述当前振荡频率大于频率阈值，则根据各发电机的有功功率上限、有功功率下限、所述当前潮流数据、各发电机对阻尼比的灵敏度、所述当前最小阻尼比及所述阻尼比阈值，确定约束条件；
[0011]基于所述约束条件，以各发电机的有功功率调整量最小为目标，建立校正控制模型；
[0012]对所述校正控制模型求解，确定各发电机的有功功率调整量；
[0013]根据各发电机的有功功率调整量，调整对应发电机的有功功率。
[0014]可选地，所述电力系统的控制方法还包括：
[0015]将所述当前潮流数据及当前潮流数据对应的当前最小阻尼比及当前振荡频率作为训练样本，添加到宽度学习网络的训练样本集中，对宽度学习网络进行训练。
[0016]可选地，所述校正控制模型的约束条件包括发电机功率约束、最小阻尼比约束及阻尼比变化量约束。
[0017]可选地，所述发电机功率约束为：
[0018]所述最小阻尼比约束为：ξ0+Δξ≥ξ
limit
；
[0019]所述阻尼比变化量约束为：
[0020]其中，为发电机i的有功功率下限，为发电机i的有功功率上限，PG
i
为当前潮流数据中发电机i的有功功率，ΔPG
i
为发电机i的有功功率调整量，ξ0为当前最小阻尼比，Δξ为当前最小阻尼比的变化量，ξ
limit
为阻尼比阈值，n为发电机总数，C
i
为发电机i对阻尼比的灵敏度。
[0021]可选地，所述校正控制模型的约束条件还包括系统潮流约束。
[0022]可选地，所述系统潮流约束为：
[0023][0024]其中，ΔP
j
为电力系统中节点j的有功增量，P
Gi
为电力系统中发电机i的有功功率，P
Lk
为电力系统中负荷k的有功功率，P
j
为电力系统中节点j的注入有功功率，ΔQ
j
为电力系统中节点j的无功增量，Q
Gi
为电力系统中发电机i的无功功率，Q
Lk
为电力系统中负荷k的无功功率，Q
j
为电力系统中节点j的注入无功功率。
[0025]为实现上述目的，本专利技术还提供了如下方案：
[0026]一种电力系统的控制系统，包括：
[0027]数据获取单元，用于获取电力系统的当前潮流数据；所述当前潮流数据包括各发电机的有功功率、各发电机的无功功率、负荷端的有功功率、负荷端的无功功率、输电线路的有功功率、输电线路的无功功率、各节点的电压幅值及各节点的电压相角；
[0028]阻尼预测单元，与所述数据获取单元连接，用于基于预测模型，根据所述当前潮流数据，确定所述电力系统的当前最小阻尼比及当前最小阻尼比对应的当前振荡频率；所述预测模型为预先采用训练样本集对宽度学习网络进行训练得到的；所述训练样本集包括多个训练样本；每个训练样本包括电力系统的历史潮流数据及历史潮流数据对应的历史最小阻尼比及历史振荡频率；
[0029]判断单元，与所述阻尼预测单元连接，用于判断所述当前最小阻尼比是否小于阻尼比阈值，且所述当前振荡频率是否大于频率阈值；
[0030]约束确定单元，与所述判断单元连接，用于在所述当前最小阻尼比小于阻尼比阈值，且所述当前振荡频率大于频率阈值时，根据各发电机的有功功率上限、有功功率下限、所述当前潮流数据、各发电机对阻尼比的灵敏度、所述当前最小阻尼比及所述阻尼比阈值，
确定约束条件；
[0031]控制模型建立单元，与所述约束确定单元连接，用于基于所述约束条件，以各发电机的有功功率调整量最小为目标，建立校正控制模型；
[0032]求解单元，与所述控制模型建立单元连接，用于对所述校正控制模型求解，确定各发电机的有功功率调整量；
[0033]调整单元，与所述求解单元连接，用于根据各发电机的有功功率调整量，调整对应发电机的有功功率。
[0034]为实现上述目的，本专利技术还提供了如下方案：
[0035]一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的电力系统的控制方法。
[0036]为实现上述目的，本专利技术还提供了如下方案：
[0037]一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的电力系统的控制方法。
[0038]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：根据电力系统的当前潮流数据，采用宽度学习网络，预测当前最小阻尼比及对应的当前振荡频率，宽度学习网络的训练时间短，且稳定性高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力系统的控制方法，其特征在于，所述电力系统的控制方法包括：获取电力系统的当前潮流数据；所述当前潮流数据包括各发电机的有功功率、各发电机的无功功率、负荷端的有功功率、负荷端的无功功率、输电线路的有功功率、输电线路的无功功率、各节点的电压幅值及各节点的电压相角；基于预测模型，根据所述当前潮流数据，确定所述电力系统的当前最小阻尼比及当前最小阻尼比对应的当前振荡频率；所述预测模型为预先采用训练样本集对宽度学习网络进行训练得到的；所述训练样本集包括多个训练样本；每个训练样本包括电力系统的历史潮流数据及历史潮流数据对应的历史最小阻尼比和历史振荡频率；判断所述当前最小阻尼比是否小于阻尼比阈值，且所述当前振荡频率是否大于频率阈值；若所述当前最小阻尼比小于阻尼比阈值，且所述当前振荡频率大于频率阈值，则根据各发电机的有功功率上限、有功功率下限、所述当前潮流数据、各发电机对阻尼比的灵敏度、所述当前最小阻尼比及所述阻尼比阈值，确定约束条件；基于所述约束条件，以各发电机的有功功率调整量最小为目标，建立校正控制模型；对所述校正控制模型求解，确定各发电机的有功功率调整量；根据各发电机的有功功率调整量，调整对应发电机的有功功率。2.根据权利要求1所述的电力系统的控制方法，其特征在于，所述电力系统的控制方法还包括：将所述当前潮流数据及当前潮流数据对应的当前最小阻尼比及当前振荡频率作为训练样本，添加到宽度学习网络的训练样本集中，对宽度学习网络进行训练。3.根据权利要求1所述的电力系统的控制方法，其特征在于，所述校正控制模型的约束条件包括发电机功率约束、最小阻尼比约束及阻尼比变化量约束。4.根据权利要求3所述的电力系统的控制方法，其特征在于，所述发电机功率约束为：所述最小阻尼比约束为：ξ0+Δξ≥ξ
limit
；所述阻尼比变化量约束为：其中，为发电机i的有功功率下限，为发电机i的有功功率上限，PG
i
为当前潮流数据中发电机i的有功功率，ΔPG
i
为发电机i的有功功率调整量，ξ0为当前最小阻尼比，Δξ为当前最小阻尼比的变化量，ξ
limit
为阻尼比阈值，n为发电机总数，C
i
为发电机i对阻尼比的灵敏度。5.根据权利要求3所述的电力系统的控制方法，其特征在于，所述校正控制模型的约束条件还包括系统潮流约束。6.根据权利要求5所述的电力系统的控制方法，其特征在于，所述系统潮流约束为：其中，ΔP
...

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