为稳定节点的监测时间窗，取值为1秒，K为临界状态的保守系数，取值为 0. 95,对&进行规范化处理，得到标准化的节点电压稳定度量指标Kvs:
若Z= 0,则该节点为失稳节点，从三相短路故障切除时刻t。开始，节点上感应电动机 滑差在随后的变化过程中达到（2s。-%)的时刻为12，滑差增长时间为Kg:
其中，Tg为失稳节点的监测时间窗，取值为1秒，K为临界状态的保守系数，取值为 0. 95,对&进行规范化处理，得到标准化的节点电压稳定度量指标Kvs:
(3-3)遍历初始样本库中第m个样本的所有k个节点，重复上述步骤（3-1)和（3-2)， 得到第m个样本中所有k个节点电压稳定度量指标； (3-4)遍历初始样本库N个样本中所有样本，重复上述步骤（3-1)?（3-3)，得到电力 系统负荷区域内所有节点的电压稳定度量指标； (4)从上述步骤（2)的初始样本库中获取电力系统中负荷区域内在三相短路故障切除 时刻t。后的时间△t内，所有节点的电压和无功功率随时间的变化曲线U和Q，通过多元线 性回归分析的方法得到各节点间电压无功灵敏度系数，以此作为表征电力系统负荷区域内 各节点之间相互影响的特征量，其中At= (n- 1)XAT，AT为仿真时间间隔，n为所获取 的变化曲线上的数据点数，具体过程如下： (4-1)从上述步骤（2)的初始样本库中获取电力系统中负荷区域内在三相短路故障切 除时刻t。后的时间At内，所有节点的电压和无功功率随时间的变化曲线U和Q，其中At =(n-l)XAT，AT为仿真时间间隔，n为所获取的变化曲线上的数据点数； (4-2)从变化曲线U，得到初始样本库中第m个样本的第i个节点，电压随时间的变化 曲线上各点数值依次为lumu2i，…，uni}，第j个节点的无功功率随时间的变化曲线Q上各 点数值依次为{Q$ …，Qw}，其中j= 1，2,…，k，建立第i个节点的多元线性回归模型 如下：
其中
0为回归系数向量
，e为误差向 J
:"为n阶单位矩阵，E(e)和COV(e，e)分别表示误差向量的期望和方差； (4-3)定义在三相短路故障切除时刻t。后的时间At内，电力系统负荷区域内的第j 个节点无功功率对第i个节点电压的灵敏度系数为j= 1，2,…，k，以最小二乘法 求解上述步骤（4-2)中的第i个节点的多元线性回归模型，得到回归系数f3n?ki，即为 各节点无功功率对第i个节点电压的灵敏度系数； (4-4)设上述步骤（4-3)的f3n?ki中的最大值、最小值分别为imajPimin，对灵 敏度系数进行规范化处理，得到第j个节点无功功率对第i个节点电压的标准化灵敏度系 数a
(4-5)遍历第m个样本中所有k个节点，重复上述步骤（4-1)?（4-4)，得到第m个样 本中所有k个节点电压无功功率灵敏度系数； (4-6)遍历初始样本库中所有N个样本的所有k个节点，重复上述步骤（4-1)?（4-5)， 得到所有N个样本中所有k个节点的电压无功功率灵敏度系数； (5)对上述步骤（3)和步骤⑷计算得到的所有N个样本的所有k个节点的电压稳定 度量指标和电压无功功率灵敏度系数，利用半监督聚类方法进行处理，具体过程如下： (5-1)将上述步骤（3)和步骤⑷计算得到的所有N个样本的所有k个节点电压稳定 度量指标和电压无功功率灵敏度系数构成一个数据集C，该数据集C的维度为（k2+k)，数据 集C的特征属性包含k个节点稳定度量指标和k2个灵敏度系数； (5-2)对上述步骤（5-1)的数据集C的第m个样本所有k个节点的电压稳定度量指标 进行判断，若所有节点的电压稳定度量指标同时满足Kvs>0,则判定电力系统负荷区域处 于稳定状态，并将第m个样本的类标号记为R= 1 ;若所有节点的电压稳定度量指标同时满 足Kvs< 0,则判定电力系统负荷区域处于失稳状态，并将第m个样本的类标号记为R= 0 ;若 有匕个节点的电压稳定度量指标满足Kvs> 0，k2个节点的电压稳定度量指标满足Kvs< 0， 其中ki+k2=k，则对第m个样本的类标号不作任何标记，其中R= 1表示区域稳定状态，R =0表示区域失稳状态； (5-3)遍历数据集C中所有N个样本，重复上述步骤（5-2)，直至完成所有N个样本的 判断，得到电力系统负荷区域处于稳定状态和失稳状态的样本数目分别为&和N2，并分别 构成区域稳定子集q和区域失稳子集(：2，将区域稳定子集(^内各样本之间的关系和区域失 稳子集C2内各样本之间的关系同时定义为必须连接约束关系，Ci的样本与C2的样本之间的 关系定义为不可连接约束关系； (5-4)分别对上述步骤（5-3)的区域稳定子集CdP区域失稳子集(：2中的样本各维度 特征属性值进行均值计算，得到区域稳定子集CdP区域失稳子集(：2中各维度特征属性值的 算术平均值，将得到的多个算术平均值按维度顺序组合，得到相应的两个组合样本〇dP〇 2， 其中组合样本的类标号为R= 1，组合样本0 2的类标号为R= 0 ; (5-5)定义上述组合样本h和组合样本0 2为聚类过程的两个初始聚类中心，区域稳定 子集q和区域失稳子集C2为聚类过程的两个初始簇，对数据集C中的第m个样本进行判断， 若该样本中存在必须连接约束关系或不可连接约束关系，则将该样本分配到该样本所属的 初始簇中；若该样本中不存在必须连接约束关系和不可连接约束关系，则分别计算该样本 与组合样本Oi和组合样本0 2的欧几里得距离，将欧几里得距离分别记为d:和d2，对屯和 (12进行比较，若dd2，则将该样本分配到区域稳定子集q中去，并将该样本的类标号记为 R= 1，若屯>d2，则将该样本分配到区域失稳子集C2中去，并将该样本的类标号记为R= 〇 ； (5-6)遍历数据集C中所有N个样本，重复上述步骤（5-5)，得到所有样本的类标号，再 重复步骤（5-4)的均值计算方法，对步骤（5-5)的聚类中心h和聚类中心02进行更新； (5-7)重复上述步骤（5-5)和步骤（5-6)，分别将本次聚类得到所有样本类标号与上一 次聚类得到的相应样本类标号进行一一对比，若本次聚类的所有样本类标号与上一次聚类 的相应样本类标号都一致，则表示数据集C的聚类已经稳定，得到数据集C的所有样本类标 号，结束聚类迭代，进行步骤（5-8)，若本次聚类的所有样本类标号与上一次聚类的相应样 本类标号不全部一致，则重复上述步骤（5-5)和（5-6)，继续迭代，直到本次聚类的所有样 本类标号与上一次聚类的相应样本类标号都一致，得到数据集C的所有样本类标号； (6) 构成一个数据挖掘训练集，将上述步骤（5-1)的数据集C中的所有数据作为数据挖 掘训练集的输入数据，将步骤（5-7)得到的数据集C的所有样本类标号作为数据挖掘训练 集的输出数据，以决策树算法对数据挖掘训练集进行分类学习，得到一个决策树模型，以交 叉验证方式计算决策树模型的分类准确率P,e，若97%，表示决策树模型分类性能满足 要求，进行步骤（7)，若PM< 97 %，以决策树算法重新对数据挖掘训练集进行分类学习，直 到得到的决策树模型的分类准确率满足97%，进行步骤（7); (7) 当电力系统遭遇短期大扰动时，电力系统负荷区域内各节点的同步相量测量单元 实时采集该节点的电压、电流、有功功率、无功功率的实时量测数据，利用上述步骤（2)得 到该节点的等值负荷模型中感应电动机滑差的实时变化曲线s和该节点状态Z;利用步骤 (3)和步骤（4)，得到电力系统遭遇短期大扰动下电力系统负荷区域内所有节点的电压稳 定度量指标和电压无功功率灵敏度系数，将电压稳定度量指标和电压无功功率灵敏度系数 输入到步骤（6)的决策树模型中，由决策树模型输出类标号R，作为电力系统区域暂态电压 稳定的实时评估结果。
【专利摘要】本发明涉及一种电力系统负荷区域暂态电压稳定的评估方法，属于电力系统稳定分析评估领域。本发明方法以同步相量测量单元的量测数据为基础，通过大量仿真样本建立用于数据挖掘的初始样本库；通过区域内各节点的量化评估提取反映各节点稳定程度的特征量；通过多元线性回归的方法辨识得到反映区域网络内节点间相互影响关系的灵敏度系数；利用半监督聚类方法对所有样本进行标定；以决策树算法进行分类学习，得到决策树模型，将决策树模型用于在线监测，对电力系统负荷区域的整体暂态电压稳定状况实施评估。
【IPC分类】H02J3-00, G06F19-00
【公开号】CN104617574
【申请号】CN201510025577
【发明人】陆超, 朱利鹏, 韩英铎
【申请人】清华大学
【公开日】2015年5月13日
【申请日】2015年1月19日