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完整输入情况下，然而在实际运用中会存在很多导致PMU数据丢失的情况。目前已经有研究提出利用现有的数据填补缺失数据的方法，但是计算量大，较为耗时，还容易受到外部干扰，不适合用于在线暂态电压评估。
[0004]综上所述，目前针对数据缺失的已有的暂态电压评估方法对于数据缺失情况的处理能力存在明显不足，进而导致暂态电压稳定评估结果不可靠。

技术实现思路

[0005]本专利技术针对现有技术中存在的技术问题，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，准确恢复缺失的数据，确保进行暂态电压稳定评估时结果更加准确可靠。
[0006]根据本专利技术的第一方面，提供了一种电力系统暂态电压稳定评估模型构建方法，包括：
[0007]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；
[0008]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；
[0009]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；
[0010]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。
[0011]根据本专利技术的第二方面，提供一种电力系统暂态电压稳定评估方法，包括：
[0012]基于电力系统暂态电压稳定评估模型构建方法构建所述超分辨率预测SRP模型和基于Pin
‑
TSVM的暂态电压稳定评估模型；
[0013]获取存在数据缺失的电力系统运行测量数据作为缺失数据集，基于训练后的所述
超分辨率预测SRP模型对所述缺失数据集的缺失数据进行恢复，得到恢复后的完整数据集；
[0014]将所述恢复后的完整数据集输入训练后的基于Pin
‑
TSVM的暂态电压稳定评估模型，获取电力系统暂态电压稳定状态。
[0015]根据本专利技术的第三方面，提供一种电力系统暂态电压稳定评估模型构建系统，包括：
[0016]获取模块，用于获取初始样本集，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；
[0017]退化模块，用于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；
[0018]训练模块，用于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；以及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。
[0019]根据本专利技术的第四方面，提供一种电力系统暂态稳定评估方法，包括：
[0020]构建模块，用于基于电力系统暂态电压稳定评估模型构建方法构建所述超分辨率预测SRP模型和基于Pin
‑
TSVM的暂态电压稳定评估模型；
[0021]数据恢复模块，用于获取存在数据缺失的电力系统运行测量数据作为缺失数据集，基于训练后的所述超分辨率预测SRP模型对所述缺失数据集的缺失数据进行恢复，得到恢复后的完整数据集；
[0022]获取模块，用于将所述恢复后的完整数据集输入训练后的基于Pin
‑
TSVM的暂态电压稳定评估模型，获取电力系统暂态电压稳定状态。
[0023]根据本专利技术的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现电力系统暂态电压稳定评估模型构建方法的步骤。
[0024]根据本专利技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现电力系统暂态电压稳定评估模型构建方法的步骤。
[0025]本专利技术提供的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，基于SRP模型将缺失的PMU数据准确恢复，为进行准确的暂态电压稳定评估提供可靠的数据支撑，解决了PMU数据缺失对评估带来的不利影响。
附图说明
[0026]图1为本专利技术提供的一种电力系统暂态电压稳定评估模型构建方法的流程示意图；
[0027]图2为SRP模型的结构示意图；
[0028]图3为本专利技术提供的一种电力系统暂态电压稳定评估方法的流程示意图；
[0029]图4为新英格兰10机39节点系统示意图；
[0030]图5为本专利技术提供的一种电力系统暂态电压稳定评估模型构建系统的结构示意图；
[0031]图6为本专利技术提供的一种电力系统暂态电压稳定评估系统的结构示意图；
[0032]图7为本专利技术提供的一种可能的电子设备的硬件结构示意图；
[0033]图8为本专利技术提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
[0034]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。另外，本专利技术提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，这种结合不受步骤先后次序和/或结构组成模式的约束，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。
[0035]图1为本专利技术提供的一种电力系统暂态电压稳定评估模型构建方法流程图，如图1所示，方法包括：
[0036]S1，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。
[0037]可理解的是，收集电力系本文档来自技高网...

【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：