一种有规则可解释性的电力电压稳定评估方法及系统技术方案

本发明专利技术提出一种具有规则可解释性的电力电压稳定评估方法，将电力电压稳定评估问题视为含有多特征量的分类问题，对电力的电压稳定状态进行划分，基于参与因子分析技术及机器学习算法对特征量进行选择，建立C4.5算法下的基于决策树的电力电压稳定评估模型，并提取电压稳定的评估模型；该方法可大大提高计算速度，同时可为系统运维人员提供客观的评估结果，并提供清晰易懂的评估规则，可提升调度运行自动化与智能化水平。化与智能化水平。化与智能化水平。

【技术实现步骤摘要】
一种有规则可解释性的电力电压稳定评估方法及系统


[0001]本专利技术涉及电力电压稳定
，特别涉及一种有规则可解释性的电力电压稳定评估方法及系统。

技术介绍

[0002]随着光伏新能源的大量接入，我国电力运行方式的时变性和复杂性日益增强，电力的运行工况越来越接近稳定极限。快速计算电力电压稳定是在线评估电压稳定性的基本要求，传统方法因存在计算时间长、建模困难等问题，很难满足在线应用的需求。同时，对于电力稳定性的评估十分依赖运维人员的主观经验判断，一旦判断失误，则会导致电网运行的经济性降低，严重时甚至导致断电事故。而目前基于人工智能技术的系统稳定性评估方法，虽然可以为系统运维人员提供较为可靠的评估结果，但其评估规则难以解释，无法被运维人员学习理解并作为经验积累，因此仍有待提升。综上所述，我国的新型电力建设已对电力电压稳定性的评估方法提出的新要求，但仍有待满足。

技术实现思路

[0003]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0004]鉴于上述现有存在的问题，提出了本专利技术。因此，本专利技术提供了一种有规则可解释性的电力电压稳定评估方法用来解决实际问题中，电力电压稳定评估发生的漏警率情况，以及决策树模型评估精度不够，构建模型时间长，运维人员对评估规则难学习、理解较困难的问题。
[0005]为解决上述技术问题，本专利技术提供如下技术方案：
[0006]第一方面，本专利技术提供了一种有规则可解释性的电力电压稳定评估方法，包括：
[0007]采集负荷数据，根据所述负荷数据获取系统最大功率传输点，并计算电压稳定情况，生成样本集；
[0008]根据样本集，确定电压的失稳情况，分析电压稳定的关键设备，利用机器学习算法对特征量进行选择，把所述选择后的特征量构成属性集；
[0009]基于样本集和属性集，使用C4.5算法，建立电压稳定评估模型。
[0010]作为本专利技术所述的有规则可解释性的电力电压稳定评估方法的一种优选方案，其中：所述生成样本集，步骤包括：
[0011]基于P
‑
V曲线分析技术，通过逐步增加负荷来获取系统的最大功率传输点；
[0012]基于最大功率传输点计算电压稳定情况，并将系统划分为正常、预警和紧急，三种典型的电压稳定状态，即模态分析；
[0013]通过在每个电压稳定区间选取相同数量的系统运行点作为训练样本，构建模型的训练样本集。
[0014]作为本专利技术所述的一种有规则可解释性的电力电压稳定评估方法的一种优选方案，其中：所述构成属性集，包括：
[0015]所述模态分析确定当前关键电压的失稳模式；
[0016]基于参与因子分析技术确定电压稳定关键设备；
[0017]机器学习算法对初始特征量进行确定；
[0018]筛选出的关键特征变量整合为决策树的属性集。
[0019]作为本专利技术所述的有规则可解释性的电力电压稳定评估方法的一种优选方案，其中所述基于参与因子分析技术确定电压稳定关键设备，包括：
[0020]计算发电机、母线和支路的参与因子，设定阈值实现对特征量在物理层面的筛选。
[0021]作为本专利技术所述的有规则可解释性的电力电压稳定评估方法的一种优选方案，其中所述机器学习算法对初始特征量进行确定，包括：
[0022]计算特征量的权重值，通过考虑惩罚因子的机器学习算法，筛选出适用于电力电压稳定评估问题的特征量。
[0023]作为本专利技术所述的有规则可解释性的电力电压稳定评估方法的一种优选方案，其中筛选出的关键特征变量整合为决策树的属性集，包括：
[0024]将所有特征变量的权重值按降序进行排列，根据规则确定阈值，权重值大于阈值的特征变量即为关键特征变量，并将这些关键特征变量作为构建决策树的输入属性。
[0025]作为本专利技术所述的有规则可解释性的电力电压稳定评估方法的一种优选方案，其中所述建立电压稳定评估模型，包括：
[0026]所述构建的训练样本集和属性集，利用C4.5算法建立基于决策树的电力电压稳定评估模型；
[0027]根据所述电压稳定评估模型，提取相应的电力电压稳定评估规则。
[0028]第二方面，本专利技术提供了一种有规则可解释性的电力电压稳定评估系统，其包括：
[0029]计算模块，用于计算基于最大功率传输点的电压稳定情况，得到典型电压的稳定状态；计算基于参与因子分析技术的发电机、母线和支路的参与因子；计算特征量的权重值；
[0030]筛选模块，设定阈值实现对特征量物理层面的筛选；筛选适用于电力电压稳定评估问题的特征量；筛选出关键特征变量整合为决策树的属性集；
[0031]评估模块，用于根据决策树的路径提取相应的电压稳定评估准则，并与相量测量装置测量的数据进行校对，评估当前系统处于何种电压状态；
[0032]建模模块，包括计算和筛选模块，用于构建面向电力电压稳定的决策树学习模型。
[0033]第三方面，本专利技术提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述方法的任一步骤。
[0034]第四方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述方法的任一步骤。
[0035]与现有技术相比，本专利技术的有益效果：首先，本专利技术能够有效缓解电力电压稳定评估结果中漏警情况的发生，切实降低了漏警率；其次，可去除无用、冗余特征变量，提升决策树模型的评估精度，缩短建模时间；最后，不仅可以为系统运行人员提供客观的评估结果，还可以提供具有解释性的评估规则。
附图说明
[0036]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0037]图1为本专利技术一个实施例所述的有规则可解释性的电力电压稳定评估方法的系统总流程图；
[0038]图2为本专利技术一个实施例所述的有规则可解释性的电力电压稳定评估方法的系统结构框图；
[0039]图3为本专利技术一个实施例所述的有规则可解释性的电力电压稳定评估方法的模型的训练样本生成方法流程图；
[0040]图4为本专利技术一个实施例所述的有规则可解释性的电力电压稳定评估方法的电压稳定特征量筛选流程图；
[0041]图5为本专利技术一个实施例所述的有规则可解释性的电力电压稳定评估方法的建模评估流程图。
具体实施方式
[0042]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本专利技术的具体实施方式做详细的说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种有规则可解释性的电力电压稳定评估方法，其特征在于，包括：采集负荷数据，根据所述负荷数据获取系统最大功率传输点，并计算电压稳定情况，生成样本集；根据样本集，确定电压的失稳情况，分析电压稳定的关键设备，利用机器学习算法对特征量进行选择，把所述选择后的特征量构成属性集；基于样本集和属性集，使用C4.5算法，建立电压稳定评估模型。2.如权利要求1所述的有规则可解释性的电力电压稳定评估方法，其特征在于，所述生成样本集，步骤包括：基于P
‑
V曲线分析技术，通过逐步增加负荷来获取系统的最大功率传输点；基于最大功率传输点计算电压稳定情况，并将系统划分为正常、预警和紧急，三种典型的电压稳定状态，即模态分析；通过在每个电压稳定区间选取相同数量的系统运行点作为训练样本，构建模型的训练样本集。3.如权利要求2所述的有规则可解释性的电力电压稳定评估方法，其特征在于，所述构成属性集，包括：所述模态分析确定当前关键电压的失稳模式；基于参与因子分析技术确定电压稳定关键设备；机器学习算法对初始特征量进行确定；筛选出的关键特征变量整合为决策树的属性集。4.如权利要求3所述的有规则可解释性的电力电压稳定评估方法，其特征在于，所述基于参与因子分析技术确定电压稳定关键设备，包括：计算发电机、母线和支路的参与因子，设定阈值实现对特征量在物理层面的筛选。5.如权利要求3或4所述的有规则可解释性的电力电压稳定评估方法，其特征在于，机器学习算法对初始特征量进行确定，包括：计算特征量的权重值，通过考虑惩罚因子的机器学习算法，筛选出适用于电力电压稳定评估问题的特征量。6.如权利要求5所述的有规...

【专利技术属性】
技术研发人员：蔡永翔，肖小兵，肖勇，李跃，金鑫，付宇，黄博阳，何肖蒙，潘廷哲，方阳，王扬，郑友卓，张洋，刘安茳，熊楠，郝树青，何心怡，苗宇，窦陈，唐学用，宋子宏，叶远红，董武，王颖舒，王卓月，王祖峰，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：