基于样本均衡化的电力系统暂态稳定评估方法及系统技术方案

本发明专利技术公开了基于样本均衡化的电力系统暂态稳定评估方法及系统，获取电力系统运行状态和故障条件下的实时样本数据，将实时样本数据输入预先建立的电力系统暂态稳定评估模型，得到暂态稳定评估结果。本发明专利技术在时域仿真构造样本集的基础上，按照SVM选择出来的支持向量，在这些支持向量周围采用SMOTE算法生成少数类的样本，从而使稳定样本和不稳定样本平衡进而用来训练暂态评估模型。用来训练暂态评估模型。用来训练暂态评估模型。

【技术实现步骤摘要】
基于样本均衡化的电力系统暂态稳定评估方法及系统


[0001]本专利技术属于电力系统暂态稳定评估领域，具体涉及一种基于样本均衡化的电力系统暂态稳定评估方法及系统。

技术介绍

[0002]暂态稳定分析是电力系统安全分析的重要内容，快速、准确的暂态稳定评估对于保证电力系统安全稳定运行具有重要意义。传统的电力系统暂态稳定分析方法的时域仿真过于耗时，直接法需要构造能量函数，而数据驱动方法不依赖模型、学习能力强、计算速度快、已经被广泛应用于电力系统暂态稳定分析。
[0003]数据驱动电力系统暂态稳定评估方法最依赖的就是数据，而在实际电力系统中发生失稳的情况比较少，采用电力系统分析综合程序进行时域仿真时也会遇到这种情况，仿真所得样本大多数为稳定样本，只有少数样本为不稳定样本，这样模型在做分类的时候结果并不可靠。因此，迫切需要开展样本不平衡下的数据处理技术、暂态稳定评估模型搭建的研究。

技术实现思路

[0004]本专利技术的目的在于提供一种基于样本均衡化的电力系统暂态稳定评估方法及系统，以克服现有数据驱动暂态稳定评估面临的样本不平衡问题，本专利技术在时域仿真构造样本集的基础上，按照SVM选择出来的支持向量，在这些支持向量周围采用SMOTE算法生成少数类的样本，从而使稳定样本和不稳定样本平衡进而用来训练暂态评估模型。
[0005]为达到上述目的，本专利技术采用如下技术方案：
[0006]基于样本均衡化的电力系统暂态稳定评估方法，包括：
[0007]获取电力系统不同运行方式和不同故障条件下的实时样本数据；
[0008]将实时样本数据输入预先建立的电力系统暂态稳定评估模型，得到暂态稳定评估结果；
[0009]其中，所述电力系统暂态稳定评估模型的建立方法，包括：
[0010]获取电力系统不同运行方式和不同故障条件下的历史样本数据；
[0011]根据暂态稳定判据对历史样本数据设置标签，构造得到数据集；
[0012]统计数据集中标签分布情况，如果存在类别不平衡情况，则采用支持向量机合成少数类过采样算法使样本均衡；
[0013]基于均衡化后的样本训练学习模型，得到电力系统暂态稳定评估模型。
[0014]进一步地，所述获取电力系统不同运行方式和不同故障条件下的历史样本数据，具体为：利用时域仿真软件模拟电力系统在不同潮流水平下、线路位置处发生三相短路故障时的运行状况，得到历史样本数据；
[0015]所述历史样本数据包括系统稳态时、发生故障时刻以及故障后的特征轨迹，所述特征轨迹包括发电机的电磁功率、端电压、功角及母线电压。
[0016]进一步地，所述根据暂态稳定判据对历史样本数据设置标签，构造得到数据集，具体为：
[0017]所述标签为系统稳定或失稳，所述标签的暂态稳定判据为暂态稳定指数TSI；
[0018][0019]其中，Δδ
max
为任意2台发电机之间的最大功角之差，当TSI<0时系统失稳，反之系统稳定。
[0020]进一步地，所述采用支持向量机合成少数类过采样算法使样本均衡，具体为：使用支持向量机分类器产生支持向量，生成新的少数类样本，使用合成少数类过采样算法合成样本；
[0021]具体地，设在少数类样本X
i
的K个近邻样本中，多数类样本的数量为m，若m＝K/2，则认为X
i
为噪声样本，重新标记；若m<K/2，则对X
i
进行外插值；若m>K/2，则对X
i
进行内插值。
[0022]进一步地，所述基于均衡化后的样本训练学习模型，具体为：基于标签和系统特征建立分类器，用于拟合系统特征和标签之间的关系。
[0023]进一步地，所述将实时样本数据输入预先建立的电力系统暂态稳定评估模型，得到暂态稳定评估结果后，计算评价指标，所述评价指标包括准确率、精确率、召回率及F1分数；
[0024]所述准确率计算表达式为：
[0025][0026]其中，T表示真，预测对；F表示假，预测错；P表示阳性，预测为真；N表示阴性，预测为假；
[0027]所述精确率计算表达式为：
[0028][0029]所述召回率计算表达式为：
[0030][0031]所述F1分数计算表达式为：
[0032][0033]基于样本均衡化的电力系统暂态稳定评估系统，包括：
[0034]实时样本数据获取模块：用于获取电力系统不同运行方式和不同故障条件下的实时样本数据；
[0035]评估模块：用于将实时样本数据输入预先建立的电力系统暂态稳定评估模型，得到暂态稳定评估结果；
[0036]其中，所述电力系统暂态稳定评估模型通过模型建立模块建立，所述模型建立模块包括：
[0037]历史样本数据获取模块：用于获取电力系统不同运行方式和不同故障条件下的历史样本数据；
[0038]数据集构造模块：用于根据暂态稳定判据对历史样本数据设置标签，构造得到数据集；
[0039]均衡模块：用于统计数据集中标签分布情况，如果存在类别不平衡情况，则采用支持向量机合成少数类过采样算法使样本均衡；
[0040]训练模块：基于均衡化后的样本训练学习模型，得到电力系统暂态稳定评估模型。
[0041]进一步地，所述历史样本数据获取模块中，利用时域仿真软件模拟电力系统在不同潮流水平下、线路位置处发生三相短路故障时的运行状况，得到历史样本数据；
[0042]所述历史样本数据包括系统稳态时、发生故障时刻以及故障后的特征轨迹，所述特征轨迹包括发电机的电磁功率、端电压、功角及母线电压。
[0043]进一步地，所述数据集构造模块中，所述标签为系统稳定或失稳，所述标签的暂态稳定判据为暂态稳定指数TSI；
[0044][0045]其中，Δδ
max
为任意2台发电机之间的最大功角之差，当TSI<0时系统失稳，反之系统稳定。
[0046]进一步地，所述均衡模块中，采用支持向量机合成少数类过采样算法使样本均衡，具体为：使用支持向量机分类器产生支持向量，生成新的少数类样本，使用合成少数类过采样算法合成样本；
[0047]具体地，设在少数类样本X
i
的K个近邻样本中，多数类样本的数量为m，若m＝K/2，则认为X
i
为噪声样本，重新标记；若m<K/2，则对X
i
进行外插值；若m>K/2，则对X
i
进行内插值。
[0048]与现有技术相比，本专利技术具有以下有益的技术效果：
[0049]本专利技术方法相比传统SMOTE过采样更关注分类边界区域，围绕少数类支持向量的多数类样本密度来选择不同的决策机制，进而合成少数类样本，可以实现更好的分类性能。本专利技术方法应用于离线仿真搭建模型阶段，可以有效解决不平衡样本条件下数据驱动电力系统暂态稳定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于样本均衡化的电力系统暂态稳定评估方法，其特征在于，包括：获取电力系统不同运行方式和不同故障条件下的实时样本数据；将实时样本数据输入预先建立的电力系统暂态稳定评估模型，得到暂态稳定评估结果；其中，所述电力系统暂态稳定评估模型的建立方法，包括：获取电力系统不同运行方式和不同故障条件下的历史样本数据；根据暂态稳定判据对历史样本数据设置标签，构造得到数据集；统计数据集中标签分布情况，如果存在类别不平衡情况，则采用支持向量机合成少数类过采样算法使样本均衡；基于均衡化后的样本训练学习模型，得到电力系统暂态稳定评估模型。2.根据权利要求1所述的基于样本均衡化的电力系统暂态稳定评估方法，其特征在于，所述获取电力系统不同运行方式和不同故障条件下的历史样本数据，具体为：利用时域仿真软件模拟电力系统在不同潮流水平下、线路位置处发生三相短路故障时的运行状况，得到历史样本数据；所述历史样本数据包括系统稳态时、发生故障时刻以及故障后的特征轨迹，所述特征轨迹包括发电机的电磁功率、端电压、功角及母线电压。3.根据权利要求2所述的基于样本均衡化的电力系统暂态稳定评估方法，其特征在于，所述根据暂态稳定判据对历史样本数据设置标签，构造得到数据集，具体为：所述标签为系统稳定或失稳，所述标签的暂态稳定判据为暂态稳定指数TSI；其中，Δδ
max
为任意2台发电机之间的最大功角之差，当TSI<0时系统失稳，反之系统稳定。4.根据权利要求3所述的基于样本均衡化的电力系统暂态稳定评估方法，其特征在于，所述采用支持向量机合成少数类过采样算法使样本均衡，具体为：使用支持向量机分类器产生支持向量，生成新的少数类样本，使用合成少数类过采样算法合成样本；具体地，设在少数类样本X
i
的K个近邻样本中，多数类样本的数量为m，若m＝K/2，则认为X
i
为噪声样本，重新标记；若m<K/2，则对X
i
进行外插值；若m>K/2，则对X
i
进行内插值。5.根据权利要求3所述的基于样本均衡化的电力系统暂态稳定评估方法，其特征在于，所述基于均衡化后的样本训练学习模型，具体为：基于标签和系统特征建立分类器，用于拟合系统特征和标签之间的关系。6.根据权利要求1所述的基于样本均衡化的电力系统暂态稳定评估方法，其特征在于，所述将实时样本数据输入预先建立的电力系统暂态稳定评估模型，得到暂态稳定评估结果后，计算...

【专利技术属性】
技术研发人员：孙俊杰，张强，李欣蔚，王超，郝建成，袁鹏，张晓珩，曾辉，戈阳阳，董鹤楠，程绪可，张冠锋，赵晨浩，施任威，焦在滨，
申请(专利权)人：西安交通大学国家电网有限公司，
类型：发明
国别省市：