System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电气领域,尤其涉及一种新型电力系统宽频振荡阻尼系数智能计算方法。
技术介绍
1、电力系统宽频振荡风险评估是通过数据收集、系统建模和振荡特性分析,识别潜在问题,综合考虑可能的风险,然后采取相应的风险管理措施,以确保电力系统稳定运行的过程。振荡阻尼系数是反映振荡变化趋势的重要参数,可以从数据响应的角度,基于实测电压/电流相量数据进行振荡阻尼辨识,以此对宽频振荡风险进行评估。
2、现有系统中针对宽频振荡风险评估的方法主要基于振荡阻尼系数与基于阻抗网络的评估方法,但是上述方法计算振荡阻尼系数精度差,测量要求高,计算速度慢。
技术实现思路
1、为了解决现有技术计算阻尼系数精度差,测量要求高和计算速度慢的问题,本申请提出一种新型电力系统宽频振荡阻尼系数智能计算方法,解决上述问题。
2、本申请公开了一种新型电力系统宽频振荡阻尼系数智能计算方法,包括以下步骤:
3、s1,样本生成,通过时域仿真获取可再生能源接入下的新型电力系统测点电流数据,根据振荡判别时间要求将时序数据分为多个数据片段,进而获得数据样本;
4、s2,基于pagerank算法进行测点重要性排序,对电力系统中拓扑节点进行重要度排序;
5、s3,测点阻尼系数计算,基于实测电流数据进行振荡阻尼识别,从而对振荡风险进行评估,并为后续宽频振荡抑制装置的部署提供重要的信息;
6、s4,系统阻尼系数增强,提出融合pagerank与深度学习的宽频振荡阻尼系数计算方
7、优选的,所述s2具体包括以下步骤:
8、s21,拓扑建模:采用pagerank算法,将电力系统视为一个无向图,将此无向图通过一个二元矩阵a来表示;
9、s22,建立随机agent模型:引入一个随机agent,agent按照拓扑连接关系遍历电力系统,agent在遍历过程中停留在原节点时认为能量在该节点被消耗,使用随机浏览矩阵p表示概率模型,p的元素pij表示从节点i跳转到节点j的概率;
10、s23,初始化pagerank参数:初始化pagerank分数v,设置迟滞因子d,迭代次数上限imax,收敛阈值ε,计数器n;
11、s24,增加计数器n的值,当n未达到最大迭代次数开始更新pagerank分数;
12、s25,pagerank分数初始化:将pagerank分数视为在整个电力系统上的节点分布,每个节点用一个pagerank分数表示其相对重要性,将这些分数视为一个列向量v,vi表示节点i的pagerank分数;
13、s26,pagerank分数更新:通过pagerank算法将节点的重要性转化为其他节点传递权重来确定,一个节点的pagerank分数取决于与它相连的节点的数量和分数,高pagerank分数的节点传递的权重更多;
14、s27,检测pagerank值是否收敛,若满足收敛条件,则算法更新结束。
15、优选的,所述s21中二元矩阵a中节点ai满足以下约束:
16、
17、式中,q为矩阵最大列数,aij表示从节点i到节点j间线路系数,ai为二元矩阵第i行,代表节点ai与其余节点连接情况,aii表示二元矩阵对角线,即节点本身,不考虑节点自环故设置系数为0。
18、优选的,所述s26的方法为:
19、假设agent未停留在原节点的概率为d∈[0,1],每次更新pagerank分布时生成一个随机数x,更新过程如下:
20、
21、式中:vk,vk+1分别为第k与k+1迭代后获得的系统中节点pagerank分数向量,i为单位矩阵,p为随机浏览矩阵,a为拓扑二元矩阵。
22、优选的,所述s3中阻尼系数的计算公式为:
23、
24、
25、式中,x(t)表示震荡信号,s是模态幅值,f是振荡频率,θ是模态相位;t0是信号采集初始时刻,tk是当前采样时刻;m是数据窗口的长度;ts为采样周期;σ表示阻尼系数,k是采样点的数量。
26、优选的,所述s4中系统阻尼系数增强的步骤为:
27、设计自编码器结构的增强模型,自编码器的编码器与解码器公式如下:
28、
29、x′=gφ(ω);
30、式中,编码器输出ω为线路权重,满足和为1,l是关键线路数目,σ是关键线路阻尼系数,υ是关键线路重要度,x=[σ,υ]为模型输入;x′表示解码器输出;fθ(x)表示编码器函数;gφ(ω)表示解码器函数;
31、获得线路权重ω后,可获得系统阻尼系数为
32、增强模型损失函数包括自编码器损失与阻尼系数损失,表达式如下:
33、
34、式中:λ为常数,为损失函数。
35、本专利技术的有益效果:
36、1、精度高:融合pagerank与深度学习的宽频振荡阻尼系数智能计算方法能够有效提升系统振荡风险评估精度至98.5%。
37、2、测量要求低:可仅采集系统约40%左右线路的量测信号下实现系统振荡风险评估。
38、3、计算速度快:相较于传统基于cpu的振荡风险评估,通过神经网络内嵌计算调用gpu,计算速度约提升16倍。
本文档来自技高网...【技术保护点】
1.一种新型电力系统宽频振荡阻尼系数智能计算方法,其特征在于,包括以下步骤:
2.根据权利要求1所述一种新型电力系统宽频振荡阻尼系数智能计算方法,其特征在于,所述S2具体包括以下步骤:
3.根据权利要求2所述一种新型电力系统宽频振荡阻尼系数智能计算方法,其特征在于,所述S21中二元矩阵A中节点Ai满足以下约束:
4.根据权利要求3所述一种新型电力系统宽频振荡阻尼系数智能计算方法,其特征在于,所述S26的方法为:
5.根据权利要求4所述一种新型电力系统宽频振荡阻尼系数智能计算方法,其特征在于,所述S3中阻尼系数的计算公式为:
6.根据权利要求5所述一种新型电力系统宽频振荡阻尼系数智能计算方法,其特征在于,所述S4中系统阻尼系数增强的步骤为:
【技术特征摘要】
1.一种新型电力系统宽频振荡阻尼系数智能计算方法,其特征在于,包括以下步骤:
2.根据权利要求1所述一种新型电力系统宽频振荡阻尼系数智能计算方法,其特征在于,所述s2具体包括以下步骤:
3.根据权利要求2所述一种新型电力系统宽频振荡阻尼系数智能计算方法,其特征在于,所述s21中二元矩阵a中节点ai满足以下约束:
4....
【专利技术属性】
技术研发人员:王渝红,郑宗生,周旭,马欢,李新,程定一,
申请(专利权)人:四川大学,
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。