一种电力系统暂态电压稳定评估模型构建方法及评估方法技术方案

本发明专利技术提供一种电力系统暂态电压稳定评估模型构建方法及评估方法，获取初始样本集，初始样本集包括多个初始样本，每一个初始样本包括一条电力系统运行数据和对应的暂态电压稳定状态；基于退化模型从所述初始样本集中退化出训练样本集，所述训练样本集为所述初始样本集中的一部分；基于所述初始样本集和所述训练样本集训练超分辨率预测SRP模型；基于所述初始样本集训练基于Pin

【技术实现步骤摘要】
一种电力系统暂态电压稳定评估模型构建方法及评估方法


[0001]本专利技术涉及电力系统稳定评估领域，更具体地，涉及一种电力系统暂态电压稳定评估模型构建方法及评估方法。

技术介绍

[0002]随着用于广域监测系统(Wide Area Measurement System，WAMS)的同步相量测量单元(Phasor Measurement Unit，PMU)技术的发展，给电力系统规划运行带来了极大的便利。PMU利用全球定位系统作为同步时钟构成相量测量单元，可以提供瞬时电压和电流的同步相量信息，具体应用于电力系统的动态监测、系统保护、系统分析和预测等领域。目前，基于PMU测量的数据驱动方法被认为是实现故障后暂态电压稳定评估最有前景的方法。
[0003]但是，PMU数据的缺失将导致暂态电压稳定评估结果精度下降，以及评估结果不可靠。传统的暂态电压稳定评估一般采用的是时域仿真法，时域仿真法需要求解高维微分代数方程，计算量较大，既不能完成对电力系统的在线评估，也不能很好地应对PMU数据缺失的情况。目前，结合数据驱动的暂态电压稳定评估方法大多考虑的是在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力系统暂态电压稳定评估模型构建方法，其特征在于，包括：获取初始样本集，所述初始样本集包括多个初始样本，每一个初始样本包括一组电力系统运行数据和对应的暂态电压稳定状态；基于退化模型从所述初始样本集中退化出训练样本集，所述训练样本集为所述初始样本集中的一部分；基于所述初始样本集和所述训练样本集训练超分辨率预测SRP模型；基于所述初始样本集训练基于Pin
‑
TSVM的暂态电压稳定评估模型。2.根据权利要求1所述的构建方法，其特征在于，根据暂态电压稳定判据确定每一组电力系统运行数据的暂态电压稳定状态，其中，所述暂态电压稳定判据为：在电力系统受到扰动后的暂态过程中，负荷节点电压在设定持续时间内能恢复到设定电压值，则所述负荷节点处于暂态电压稳定状态。3.根据权利要求2所述的构建方法，其特征在于，所述在电力系统受到扰动后的暂态过程中，负荷节点电压在设定持续时间内能恢复到设定电压值，则所述负荷节点处于暂态电压稳定状态，包括：引入单二元表判据构造暂态电压稳定指标：式中，V
min
为发生扰动后的负荷节点电压最小值，V
cr
为设定电压值，T
s
为负荷节点电压低于设定电压值的持续时间，T
cr
为低于设定电压值所允许的极限时间，TVSI＝1表示电力系统处于暂态电压稳定状态，TVSI＝
‑
1表示电力系统处于暂态电压失稳状态。4.根据权利要求1所述的构建方法，其特征在于，所述基于退化模型从所述初始样本集中退化出训练样本集，包括：所述初始样本集和训练样本集两者之间的退化模型为：X
missing
＝M(X
complete
)+noise；式中，M(
·
)表示为退化函数，noise为噪声，X
complete
表示初始样本集，X
missing
表示训练样本集；基于所述退化模型从所述初始样本集中退化出训练样本集。5.根据权利要求1所述的构建方法，其特征在于，所述超分辨率预测SRP模型包括卷积层、ResNet网络层和特征重构部分，所述ResNet网络层包括多个残差块，每一个所述残差块包括多个卷积块，每一个所述卷积块包括卷积层、批量归一化层和激活函数，所述激活函数为非线性ELU激活函数；所述卷积层，用于从所述缺失数据集中提取特征信息，并将特征信息处理为多个同维特征向量；所述ResNet网络层，用于补充所述多个同维特征向量的缺失信息；所述特征重构部分，用于对补充缺失信息后的特征向量进行整合，重新排列，并通过反
卷积层输出完整数据。6.根据权利要求1所述的构建方法，其特征...

【专利技术属性】
技术研发人员：吴梓宁，
申请(专利权)人：三峡大学，
类型：发明
国别省市：