【技术实现步骤摘要】
本专利技术属于电力系统，具体涉及一种电力系统暂态稳定评估方法、系统、芯片及设备。
技术介绍
1、新能源大规模发展是电力系统低碳转型的基本路径，也是实现“双碳”目标的必经之路。随着新型电力系统发展，新能源渗透率将进一步提高，新型电力系统不仅需要面临大规模新能源“波动性、随机性”带来的源荷平衡问题，更要面临低惯量新能源机组代替常规机组后导致的暂态稳定问题。电力系统暂态稳定性，即受到大干扰后各发电机保持同步运行并过渡到新的或恢复到原来稳定运行状态的能力，是维持系统安全稳定运行的基础保障，也是进行系统运行决策的重要依据。
2、以风电为例，大规模风电并网下，电源结构深度调整，电力系统暂态稳定性受风电渗透率、控制方式以及接入位置等因素影响，暂态特性机理相比传统多同步机系统变得更加复杂。此外，风电的随机性波动性使系统运行方式灵活多变，典型运行方式与实际运行方式差异较大，传统面向典型运行方式进行安全稳定校核的方式面临挑战，暂态稳定性的快速评估更为重要。
3、因此，亟需提出考虑新能源接入下电力系统暂态稳定快速评估方法，将评估结果从典型运行方式快速迁移到实际运行方式，实现在线动态安全评价，从而能够通过预防控制使得系统处于安全运行点。
技术实现思路
1、本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种电力系统暂态稳定评估方法、系统、芯片及设备，用于解决现有动态安全评价技术中难以根据实际运行方式在预想事故集中进行暂态稳定在线评价的技术问题。
2、本专利
3、一种电力系统暂态稳定评估方法，包括以下步骤：
4、s1、基于风电机组影响多机系统暂态稳定的物理机理建立风电机组的动态等效模型，在暂态过程中将风电机组等效为动态导纳；
5、s2、根据步骤s1得到的风电机组动态导纳推导出包括代数方程降阶及微分方程简化的含风电多机系统的暂态稳定方程；
6、s3、基于卷积神经网络实现电力系统运行方式、网络拓扑结构的特征提取；
7、s4、基于步骤s2构造暂态稳定方程失配量损失函数，实现物理知识的内嵌；根据步骤s3得到的特征提取结果，构建内嵌物理知识的深度神经网络并进行函数逼近，得到功角预测值的显示表达式，输入给定的场景与时间向量，得到场景下的功角轨迹；
8、s5、输入电网的实际运行方式与预想事故，将步骤s4得到的不同场景下的绝对功角轨迹作差得到具有明确物理意义的同步机相对功角轨迹曲线，根据发电机转子间的相对摇摆角超过180°的暂态失稳判据，实现电力系统暂态稳定的快速评估。
9、具体的，步骤s1具体为：
10、s101、将由双馈风机组成的风电场等效为一台双馈风机；
11、s102、对暂态过程中双馈风机输出功率的变化，将其等效为双馈风机与其它同步机之间互导纳的变化；
12、s103、对风机机端电压相量的动态变化，电压相量满足风机有功方程、无功输出方程和风机的控制方式；
13、s104、对风机机端电压相角做简化，风机机端电压相角近似为距离其电气距离最近的同步机功角δnearest，补足步骤s103中欠定的电压相量方程组，得到风机动态导纳。
14、进一步的，风机动态导纳为：
15、
16、
17、
18、f(p,q,v)＝0
19、θ≈δnearest
20、其中，分别为同步机暂态电势；为风机机端电压；y1、y2、y3分别为等效前风机与各同步机间互导纳；y1′、y2′、y3′分别为风机与各同步机间的等效动态导纳，p为风机有功输出；q为风机无功输出；v为风机机端电压幅值；θ为风机机端电压相角，为风机复功率输出的虚部，为风机复功率输出的实部。
21、具体的，步骤s2具体为：
22、s201、同步机采用经典模型，负荷采用横阻抗模型，网络的代数方程具体为系统的节点电压方程，有源节点只有n个同步机节点与m个风机节点，根据kron约化方法消去无源节点，得到只保留有源节点的节点电压方程；
23、s202、根据步骤s1将风电场进行动态等效，在只含有源节点的节点电压方程中消去风机节点，得到只保留同步机节点的节点电压方程；
24、s203、考虑同步机电磁功率联立n台同步机的转子运动方程得含风机的多机系统功角方程；
25、s204、根据状态变量ωi和δi之间导数关系，将状态变量ωi转化成用状态变量δi表示，最终得到内嵌入神经网络的物理方程。
26、进一步的，内嵌入神经网络的物理方程为：
27、
28、其中，δi为绝对功角，ωi为电角速度；ωs为系统参考电角速度；hi为惯性系数；di为阻尼系数；pmi为机械功率；gii(δn)为同步机节点自导纳的实部；yij与θij为同步机节点间互导纳的模长和幅角。
29、具体的，步骤s3具体为：
30、s301、构建输入数据，明确原始输入特征数，用于进行暂态稳定评估特征提取的输入包括同步机功角初值向量，同步机转速初值向量和其余输入构成的向量，包含机械功率、暂态电势和约化矩阵，预想事故与负荷情况包含在约化矩阵中；
31、s302、构建全连接特征变换层，使得输入向量完成特征升维变换后将数据重塑为多通道二维矩阵作为卷积神经网络的输入，此时输入中能够隐含全局信息；
32、s303、构建多个卷积层->激活层->池化层，遵循通道数逐层增多但单通道尺寸逐渐减少的原则，逐步将特征映射到高维空间，卷积层进行互相关运算，自动处理输入数据间的相关性特征实现特征提取，激活层引入非线性因素的，实现到高维非线性空间的映射；
33、s304、构建全连接特征降维层，神经元输出维度在之间。
34、具体的，步骤s4具体为：
35、s401、根据步骤s3的特征提取结果，将时间t嵌入作为深度神经网络的输入；
36、s402、通过神经网络的自动微分机制，使用网络输出对输入时间t求导，得到和内嵌物理知识神经网络能够通过评估神经网络本身与物理知识方程的匹配程度完成参数更新，将物理知识方程右端项记为通过等式失配量产生由物理知识引导的损失项，通过损失项实现了内嵌物理知识；
37、s403、附加常规损失项以有监督的方式确定神经网络参数；
38、s404、分别对损失项赋以权重wf、wδ，得到总的损失函数训练过程中的优化器选择adam优化器。
39、第二方面，本专利技术实施例提供了一种电力系统暂态稳定评估系统，包括：
40、等效模块，基于风电机组影响多机系统暂态稳定的物理机理建立风电机组的动态等效模型，在暂态过程中将风电机组等效为动态导纳；
41、推导模块，根据等效模块得到的风电机组动态导纳推导出包括代数方程降阶及微分方程简化的含风电多机系统的暂态稳定方程；
42、本文档来自技高网...
【技术保护点】
1.一种电力系统暂态稳定评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的电力系统暂态稳定评估方法，其特征在于，步骤S1具体为：
3.根据权利要求2所述的电力系统暂态稳定评估方法，其特征在于，风机动态导纳为：
4.根据权利要求1所述的电力系统暂态稳定评估方法，其特征在于，步骤S2具体为：
5.根据权利要求4所述的电力系统暂态稳定评估方法，其特征在于，内嵌入神经网络的物理方程为：
6.根据权利要求1所述的电力系统暂态稳定评估方法，其特征在于，步骤S3具体为：
7.根据权利要求1所述的电力系统暂态稳定评估方法，其特征在于，步骤S4具体为：
8.一种电力系统暂态稳定评估系统，其特征在于，包括：
9.一种芯片，其特征在于，
10.一种电子设备，其特征在于，
【技术特征摘要】
1.一种电力系统暂态稳定评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的电力系统暂态稳定评估方法，其特征在于，步骤s1具体为：
3.根据权利要求2所述的电力系统暂态稳定评估方法，其特征在于，风机动态导纳为：
4.根据权利要求1所述的电力系统暂态稳定评估方法，其特征在于，步骤s2具体为：
5.根据权利要求4所述的电力系统暂态稳...
【专利技术属性】
技术研发人员：李更丰，陆旭，张理寅，孙思源，辛正堃，卢斯煜，邹金，王嘉阳，卓映君，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。