【技术实现步骤摘要】
本申请涉及电压控制，具体涉及基于神经网络的电力系统电压智能控制方法。
技术介绍
1、电力系统是由发电厂、送电线路、供配电所和用电等环节组成的系统，它的功能是将自然界的一次能源通过发电动力装置转换为电能，再经过输电、变电和配电将电能供应到各用户。为实现这一功能，电力系统在各个环节和不同层次设置有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、优质的电能，其中对于电压的控制能够直接影响能源的利用效率，因此对电压进行合理的控制能够实现电力系统的能效优化，减少能源浪费。
2、对于电力系统中的电压控制，通常为励磁系统通过调整发电机的磁场，以保持输出电压的稳定性，而传统的励磁系统侧重于励磁电压特性，因此励磁控制策略均为机端电压闭环调节，控制目标为机端电压，控制目的是在一定范围内使机端电压波形平稳，避免出现大幅度震荡或者畸变的情况。而当系统异常运行导致电压出现暂态失衡时，由于暂态失衡后涉及到的因素较多，如发电机转速、励磁电压、电力系统负载情况等，使用传统的pid(proportion integration differentiation)控制算法无法根据实际情况确定合理的参数，进而无法及时调节发电机的励磁电压，导致无法对励磁系统进行较稳定的控制，使得无法对电压进行稳定的控制。
技术实现思路
1、为了解决上述技术问题，本专利技术提供基于神经网络的电力系统电压智能控制方法，以解决现有的问题。
2、本专利技术的基于神经网络的电
3、本专利技术一个实施例提供了基于神经网络的电力系统电压智能控制方法，该方法包括以下步骤：
4、获取各采集时间点发电机的实际励磁电压、输出电流；
5、根据各时间点的实际励磁电压获取各时间点的暂态特征观测序列，根据各时间点的暂态特征观测序列中元素分布趋势以及元素之间的关系构建各时间点的励磁电压小扰动失稳指数；根据各时间点的暂态特征观测序列中各元素的差异及暂态特征观测序列的赫斯特指数构建各时间点的励磁电压大扰动失稳指数；结合各时间点的励磁电压大、小扰动失稳指数构建各时间点的励磁电压暂态失稳指数；根据各时间点的励磁电压暂态失稳指数构建各时间点的扰动致紊序列，采用stl分解算法进行分解得到扰动致紊序列的趋势项、残差项，获取趋势项的拟合优度及斜率，根据拟合后的拟合优度及斜率以及残差项构建各时间点的发电机转速反馈强度；根据发电机的转动惯量以及各时间点的电流和发电机转速反馈强度得到各时间点的发电机转速难控指数；
6、根据各时间点的励磁电压暂态失稳指数、发电机转速反馈强度以及发电机转速难控指数，结合pid控制算法的参数获取下一时间点励磁电压的控制信号，完成电压的控制。
7、优选的，所述根据各时间点的实际励磁电压获取各时间点的暂态特征观测序列，包括：
8、按照时间顺序将各时间点之前的预设第一数量个时间点的实际励磁电压所构成的序列，作为各时间点的暂态特征观测序列；
9、其中，当各时间点之前的时间点数量不足预设数量时，采用回归填充法进行数据填充。
10、优选的，所述根据各时间点的暂态特征观测序列中元素分布趋势以及元素之间的关系构建各时间点的励磁电压小扰动失稳指数，包括：
11、对于各时间点的暂态特征观测序列，以暂态特征观测序列中每个元素为中心，从每个元素两侧共选取预设第二数量个元素，组成暂态特征观测序列的每个暂态滑动子序列，其中，当存在元素两侧的元素数量不足预设第二数量时，只选取两侧现有元素，预设第二数量小于预设第一数量；对每个暂态滑动子序列，采用威尔科克森符号秩检验计算p值；
12、第a个时间点的励磁电压小扰动失稳指数的表达式为：
13、
14、式中，b表示暂态特征观测序列的长度，表示通过第a个时间点暂态特征观测序列中第c个暂态滑动子序列所计算出的威尔科克森符号秩检验的p值，d表示暂态滑动子序列的长度，、分别表示第a个时间点的暂态特征观测序列中第c个暂态滑动子序列内第e个、第(e-1)个元素与各自的前一个元素作差后的符号项的值，其中，当作差后的值大于等于0，所述符号项的值为1，反之，符号项的值为-1，表示预设数值。
15、优选的，所述根据各时间点的暂态特征观测序列中各元素的差异及暂态特征观测序列的赫斯特指数构建各时间点的励磁电压大扰动失稳指数，包括：
16、计算各时间点暂态特征观测序列的赫斯特指数，第a个时间点的励磁电压大扰动失稳指数的表达式为：
17、
18、式中，、分别表示第a个时间点的暂态特征观测序列中第c个、第(c-1)个元素的值，表示第a个时间点的暂态特征观测序列中所有元素的均值，表示第a个时间点暂态特征观测序列的赫斯特指数。
19、优选的，所述结合各时间点的励磁电压大、小扰动失稳指数构建各时间点的励磁电压暂态失稳指数，包括：
20、将各时间点的励磁电压小扰动失稳指数与励磁电压大扰动失稳指数的加权求和结果，作为各时间点的励磁电压暂态失稳指数。
21、优选的，所述根据各时间点的励磁电压暂态失稳指数构建各时间点的扰动致紊序列，包括：
22、将各时间点的前预设数量个时间点的励磁电压暂态失稳指数组成各时间点的扰动致紊序列。
23、优选的，所述获取趋势项的拟合优度及斜率，包括：
24、对于各时间点的扰动致紊序列的趋势项，将趋势项所构成的序列记为各时间点的扰动致紊趋势序列，采用最小二乘法对扰动致紊趋势序列进行线性拟合，得到趋势项的拟合优度及斜率。
25、优选的，所述根据拟合后的拟合优度及斜率以及残差项构建各时间点的发电机转速反馈强度，包括：
26、计算所述斜率的绝对值与所述拟合优度的平方的和值，将残差项所构成的序列记为扰动致紊残差序列，计算所述扰动致紊残差序列中所有元素的标准差，将所述和值与所述标准差的乘积作为各时间点的发电机转速反馈强度。
27、优选的，所述根据发电机的转动惯量以及各时间点的电流和发电机转速反馈强度得到各时间点的发电机转速难控指数，包括：
28、对于各时间点，按照时间顺序选取时间点a之前的预设数量个时间点作为时间点a的历史时间点，获取时间点a的历史时间点f的发电机转速反馈强度，计算所述历史时间点f与历史时间点f-1的发电机输出电流的差值绝对值，计算所述历史时间点f的发电机转速反馈强度与所述差值绝对值的乘积，计算所述乘积与发电机转动惯量的比值，将时间点a的所有历史时间点计算得到的所述比值的和值，作为时间点a的发电机转速难控指数。
29、优选的，所述根据各时间点的励磁电压暂态失稳指数、发电机转速反馈强度以及发电机转速难控指数，结合pid控制算法的参数获取下一时间点励磁电压的控制信号，包括：
30、将各时间点的励磁电压暂态失稳指数、发电机转速反馈强度以及发电机转速难控指数组成各时间点本文档来自技高网...
【技术保护点】
1.基于神经网络的电力系统电压智能控制方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于神经网络的电力系统电压智能控制方法，其特征在于，所述根据各时间点的实际励磁电压获取各时间点的暂态特征观测序列，包括：
3.如权利要求2所述的基于神经网络的电力系统电压智能控制方法，其特征在于，所述根据各时间点的暂态特征观测序列中元素分布趋势以及元素之间的关系构建各时间点的励磁电压小扰动失稳指数，包括：
4.如权利要求3所述的基于神经网络的电力系统电压智能控制方法，其特征在于，所述根据各时间点的暂态特征观测序列中各元素的差异及暂态特征观测序列的赫斯特指数构建各时间点的励磁电压大扰动失稳指数，包括：
5.如权利要求1所述的基于神经网络的电力系统电压智能控制方法，其特征在于，所述结合各时间点的励磁电压大、小扰动失稳指数构建各时间点的励磁电压暂态失稳指数，包括：
6.如权利要求5所述的基于神经网络的电力系统电压智能控制方法，其特征在于，所述根据各时间点的励磁电压暂态失稳指数构建各时间点的扰动致紊序列，包括：
7.如
8.如权利要求7所述的基于神经网络的电力系统电压智能控制方法，其特征在于，所述根据拟合后的拟合优度及斜率以及残差项构建各时间点的发电机转速反馈强度，包括：
9.如权利要求1所述的基于神经网络的电力系统电压智能控制方法，其特征在于，所述根据发电机的转动惯量以及各时间点的电流和发电机转速反馈强度得到各时间点的发电机转速难控指数，包括：
10.如权利要求1所述的基于神经网络的电力系统电压智能控制方法，其特征在于，所述根据各时间点的励磁电压暂态失稳指数、发电机转速反馈强度以及发电机转速难控指数，结合PID控制算法的参数获取下一时间点励磁电压的控制信号，包括：
...【技术特征摘要】
1.基于神经网络的电力系统电压智能控制方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于神经网络的电力系统电压智能控制方法，其特征在于，所述根据各时间点的实际励磁电压获取各时间点的暂态特征观测序列，包括：
3.如权利要求2所述的基于神经网络的电力系统电压智能控制方法，其特征在于，所述根据各时间点的暂态特征观测序列中元素分布趋势以及元素之间的关系构建各时间点的励磁电压小扰动失稳指数，包括：
4.如权利要求3所述的基于神经网络的电力系统电压智能控制方法，其特征在于，所述根据各时间点的暂态特征观测序列中各元素的差异及暂态特征观测序列的赫斯特指数构建各时间点的励磁电压大扰动失稳指数，包括：
5.如权利要求1所述的基于神经网络的电力系统电压智能控制方法，其特征在于，所述结合各时间点的励磁电压大、小扰动失稳指数构建各时间点的励磁电压暂态失稳指数，包括：
6.如权利要求5所述...
【专利技术属性】
技术研发人员：孟祥龙，潘宇情，郭路，曲佳楠，黄彦群，高松颀，孙明远，吕宝珠，
申请(专利权)人：国网黑龙江省电力有限公司绥化供电公司，
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。