基于遗传算法的电力系统安全稳定控制策略生成方法、装置、系统及存储介质制造方法及图纸

本发明专利技术公开了一种基于遗传算法的电力系统安全稳定控制策略生成方法、装置、系统及存储介质，首先构建目标电力系统故障集合和各厂站可切机容量集合；然后遍历故障集合，以切机策略的适应度作为目标函数，响应时间权重、系统稳定权重，切机厂站和故障点的距离权重为约束条件利用遗传算法对可切机容量集合进行迭代，得到最优切机策略；最后验证切机策略可行性，生成目标电力系统安全稳定控制策略。本发明专利技术能够快速实时适应电力系统变化，对于有突发情况也可快速响应计算出最新的电力系统安全稳定控制策略，改善了目前电网安全稳定控制系统策略离线预决策，实时匹配的现状，提升电网的整体稳定性。的整体稳定性。的整体稳定性。

【技术实现步骤摘要】
基于遗传算法的电力系统安全稳定控制策略生成方法、装置、系统及存储介质


[0001]本专利技术涉及电力系统安全稳定控制的
，尤其涉及一种基于遗传算法的电力系统安全稳定控制策略生成方法。
技术背景
[0002]电力系统安全稳定控制系统是保证电力系统安全稳定运行的重要防线，它是当电力系统出现紧急故障后，通过各种紧急控制做事，使电力系统恢复到正常运行状态下的控制系统，随着我国电力系统的快速建设，电力系统运行方式更加复杂多样，电力系统安全稳定运行形势更加严峻，当前的电力系统安全稳定控制系统控制策略对于新型电力系统的适应性亟待提高。
[0003]当前电力系统稳定策略对于新型电力系统的适用性考虑不足，在制定稳定控制策略过程中，运行管理部分要根据电力系统运行方式和结构的变化进行稳定分析计算和策略表的更新。当前电力系统稳定控制策略主要依据电力系统运行方式，故障类型和设备，以及与该设备故障相关的电力系统运行状态，找到通过离线计算确定的控制策略表，并执行控制。而离线策略的制定目前依靠对典型方式的分析得出，对于新型电力系统下电网方式的适用性缺乏成熟的经验。
[0004]针对上述问题，对电力系统变化适应性差，对预料之外的工况无法适应，如何匹配新型电力系统快速得到安全稳定控制策略成为一个难点。

技术实现思路

[0005]本专利技术针对以上问题，提供了一种基于遗传算法的电力系统安全稳定控制策略生成方法。
[0006]为了实现上述目的，本专利技术的技术方案为：
[0007]一种基于遗传算法的电力系统安全稳定控制策略生成方法，包括如下步骤：
[0008]S1、分析目标电力系统的安全稳定性问题，并确定需要解决的故障类型和故障场景，根据故障类型和故障场景，构建目标电力系统的故障集合；
[0009]S2、通过对目标电力系统的厂站和设备进行调研和分析，确定各厂站的切机容量集合，即厂站内可切机的容量和数量；
[0010]S3、基于目标电力系统的故障集合和各厂站的切机容量集合，以切机策略的适应度作为目标函数，响应时间权重、系统稳定权重，切机厂站和故障点的距离权重为约束条件,利用遗传算法对切机容量集合进行迭代，得到最优切机策略；
[0011]S4、对迭代计算出的最优切机策略进行验证，包括基于仿真实验和现场实验的方法，以确保其可行性和有效性；
[0012]S5、根据迭代计算出的最优切机策略，生成目标电力系统的安全稳定控制策略，并制定相应的实施方案和控制策略。
[0013]进一步的，步骤S1通过仿真系统获取目标电力系统可能会出现的故障，生成目标电力系统的故障集合M，M中元素记为M[i]，i＝1，2，
…
，n；n为故障编号；步骤S2得到目标电力系统每个厂站的可切机容量，形成集合Q，Q中元素记为Q
m
(r)，其中m为厂站编号，r为该厂站可切机容量。
[0014]进一步的，步骤S3包括以下步骤：
[0015]S31、设置目标函数：
[0016]max F
j
[0017]F
j
为切机策略的适应度；
[0018]S32、设置遗传编码，遍历故障集合M中的元素，当遍历到M[i]时，Q中所有元素按m编号排列，Q中元素切机记为1，不切机记为0，对这项切机的组合构成2
m
个的数串，每个数串表示一个切机策略，这样就将切机策略变量转化为遗传编码，即用数串来表示切机策略变量，将每个数串看为一个染色体，其长度L＝m；
[0019]S33、进行轮盘赌选择和精英保留策略操作，选取N条遗传编码形成第0代群体，通过仿真系统计算每一条遗传编码对应的切机策略对M[i]产生的影响，设置响应时间权重、系统稳定权重、切机厂站和故障点的距离权重为约束条件，权重系数各为10分，总计30分，得出选取的N条遗传编码各自得分，分数即为该遗传编码的适应度F
j
；
[0020]再将当前群体中所有的遗传编码的适应度相加，求出适应度的总和，记为：
[0021]F(X
j
)＝∑F
j
[0022]对每个个体求出比值F
j
/∑F
j
的大小，求出每个个体在群体中的适应度比例，此比例可被视为该个体在选择过程中被选中的概率，群体中的个体概率值和为1，每个概率值组成一个概率区域；
[0023]在[0,1]上产生一个随机数，根据随机数的数值出现在上述概率区间内来确定哪个个体在选择过程中被选中,设置选择次数为N，达到选择次数后，个体被选中几次就复制几次，未被选中的个体被淘汰，此刻的群体称为中间群体；
[0024]S34、进行单点交叉操作，设置交叉概率P
c
，从中间群体中随机选出需要进行交叉的遗传编码，对这些遗传编码再随机的两两匹对；
[0025]在[1，(L
‑
1)]之间产生一个随机整数Y，该随机数表示交叉点的位置，对配对的两个遗传编码相互交换第Y+1的数字；
[0026]S35、最后进行基因位变异操作，设置一个相对较小的变异概率P
m
，在中间群体中以P
m
的概率选择遗传编码，然后在[1,L]中产生一个随机整数Z，在选择出来的遗传编码的第Z位进行变异，由0变成1，或者由1变成0；
[0027]S36、进行过选择、交叉、变异后的新的群体称为第1代群体，由此再循环S32的步骤，设置迭代的最大代数目为D,当达到最大代数目时适应度最好的遗传编码即为M[i]的最优切机策略。
[0028]一种基于遗传算法的电力系统安全稳定控制策略生成装置，包括：
[0029]故障集合构建模块，用于分析目标电力系统的安全稳定性问题，并确定需要解决的故障类型和故障场景，根据故障类型和故障场景，构建目标电力系统的故障集合；
[0030]切机容量集合确定模块，用于通过对目标电力系统的厂站和设备进行调研和分析，确定各厂站的切机容量集合，即厂站内可切机的容量和数量；
[0031]最优切机策略计算模块，用于基于目标电力系统的故障集合和各厂站的切机容量集合，以切机策略的适应度作为目标函数，响应时间权重、系统稳定权重，切机厂站和故障点的距离权重为约束条件,利用遗传算法对切机容量集合进行迭代，得到最优切机策略；
[0032]最优切机策略验证模块，用于对迭代计算出的最优切机策略进行验证，包括基于仿真实验和现场实验的方法，以确保其可行性和有效性；
[0033]最优切机策略生成模块，用于根据迭代计算出的最优切机策略，生成目标电力系统的安全稳定控制策略，并制定相应的实施方案和控制策略。
[0034]进一步的，所述故障集合构建模块通过仿真系统获取目标电力系统可能会出现的故障，生成目标电力系统的故障集合M，M中元素记为M[i]，i＝1，2，
…
，n；n为故障编号；所述切机容量集合确定模块得到目标电力系统每个厂站的可切机容量，形成集合Q，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的电力系统安全稳定控制策略生成方法，其特征在于，包括如下步骤：S1、分析目标电力系统的安全稳定性问题，并确定需要解决的故障类型和故障场景，根据故障类型和故障场景，构建目标电力系统的故障集合；S2、通过对目标电力系统的厂站和设备进行调研和分析，确定各厂站的切机容量集合，即厂站内可切机的容量和数量；S3、基于目标电力系统的故障集合和各厂站的切机容量集合，以切机策略的适应度作为目标函数，响应时间权重、系统稳定权重，切机厂站和故障点的距离权重为约束条件,利用遗传算法对切机容量集合进行迭代，得到最优切机策略；S4、对迭代计算出的最优切机策略进行验证，包括基于仿真实验和现场实验的方法，以确保其可行性和有效性；S5、根据迭代计算出的最优切机策略，生成目标电力系统的安全稳定控制策略，并制定相应的实施方案和控制策略。2.根据权利要求1所述的一种基于遗传算法的电力系统安全稳定控制策略生成方法，其特征在于，步骤S1通过仿真系统获取目标电力系统可能会出现的故障，生成目标电力系统的故障集合M，M中元素记为M[i]，i＝1，2，
…
，n；n为故障编号；步骤S2得到目标电力系统每个厂站的可切机容量，形成集合Q，Q中元素记为Q
m
(r)，其中m为厂站编号，r为该厂站可切机容量。3.根据权利要求1所述的一种基于遗传算法的电力系统安全稳定控制策略生成方法，其特征在于，步骤S3包括以下步骤：S31、设置目标函数：maxF
j
F
j
为切机策略的适应度；S32、设置遗传编码，遍历故障集合M中的元素，当遍历到M[i]时，Q中所有元素按m编号排列，Q中元素切机记为1，不切机记为0，对这项切机的组合构成2
m
个的数串，每个数串表示一个切机策略，这样就将切机策略变量转化为遗传编码，即用数串来表示切机策略变量，将每个数串看为一个染色体，其长度L＝m；S33、进行轮盘赌选择和精英保留策略操作，选取N条遗传编码形成第0代群体，通过仿真系统计算每一条遗传编码对应的切机策略对M[i]产生的影响，设置响应时间权重、系统稳定权重、切机厂站和故障点的距离权重为约束条件，权重系数各为10分，总计30分，得出选取的N条遗传编码各自得分，分数即为该遗传编码的适应度F
j
；再将当前群体中所有的遗传编码的适应度相加，求出适应度的总和，记为：F(X
j
)＝∑F
j
对每个个体求出比值F
j
/∑F
j
的大小，求出每个个体在群体中的适应度比例，此比例可被视为该个体在选择过程中被选中的概率，群体中的个体概率值和为1，每个概率值组成一个概率区域；在[0,1]上产生一个随机数，根据随机数的数值出现在上述概率区间内来确定哪个个体在选择过程中被选中,设置选择次数为N，达到选择次数后，个体被选中几次就复制几次，未被选中的个体被淘汰，此刻的群体称为中间群体；
S34、进行单点交叉操作，设置交叉概率P
c
，从中间群体中随机选出需要进行交叉的遗传编码，对这些遗传编码再随机的两两匹对；在[1，(L
‑
1)]之间产生一个随机整数Y，该随机数表示交叉点的位置，对配对的两个遗传编码相互交换第Y+1的数字；S35、最后进行基因位变异操作，设置一个相对较小的变异概率P
m
，在中间群体中以P
m
的概率选择遗传编码，然后在[1,L]中产生一个随机整数Z，在选择出来的遗传编码的第Z位进行变异，由0变成1，或者由1变成0；S36、进行过选择、交叉、变异后的新的群体称为第1代群体，由此再循环S32的步骤，设置迭代的最大代数目为D,当达到最大代数目时适应度最好的遗传编码即为M[i]的最优切机策略。4.一种基于遗传算法的电力系统安全稳定控制策略生成装置，其特征在于，包括：故障集合构建模块，用于分析目标电力系统的安全稳定性问题，并确定需要解决的故障类型和故障场景，根据故障类型和故障场景，构建目标电力系统的故障集合；切机容量集合确定模块，用于通过对目标电力系统的厂站和设备进行调研和分析，确定各厂站的切机容量集合，即厂站内可切机的容量和数量...

【专利技术属性】
技术研发人员：文博，史逸川，王玮伦，周虎兵，张侃君，韩青青，黎恒烜，滕捷，陈永昕，
申请(专利权)人：南京东博智慧能源研究院有限公司，
类型：发明
国别省市：