本发明涉及电力系统,具体地说,涉及一种考虑新能源故障输出特性的新型电力系统短路电流预测方法。
背景技术:
1、随着越来越多的新能源接入电网,新能源电源将逐渐占据主体地位,形成新能源占主体地位的新型电力系统。新能源电源的故障输出特性是明显区别于传统同步机电源的,具有随机性、非线性和弱馈性。新能源电源受到环境因素影响,具有强随机性和波动性。在电网发生故障时,其故障输出电流大小取决于控制策略、故障前的输出功率和故障发生位置,是强非线性的。而且由于受到逆变器限幅环节的影响,新能源电源的输出电流一般不超过额定电流的1.2倍,远远小于传统同步机电源的故障输出电流。
2、目前电力系统中新能源的占比不高,可暂不考虑新能源电源的影响,但在新能源占主体地位的新型电力系统中,忽略新能源电源的故障输出特性势必会给短路电流计算带来较大的误差,根据离线短路电流计算结果进行保护整定,也会影响保护的动作效果。因此,如果能考虑新能源的故障输出特性,进行短路电流在线计算,既能实时监控电力系统的短路电流水平,也可以为保护在线整定提供依据,提高保护的动作能力。
3、目前大部分对于含新能源的电力系统短路电流的计算方法都是基于物理模型迭代法,该方法没有考虑到新能源随机出力的影响,而且迭代耗时长,难以满足新能源占主体地位的新型电力系统短路电流在线计算的要求。近年来快速发展的神经网络算法,能够自动挖掘数据之间潜在的联系,且在线计算速度很快,有望应用于新型电力系统短路电流的在线计算。但bp神经网络对初始权值阈值敏感,缺乏理论指导,参数难以确定,而基于经验选择的参数容易使神经网络陷入局部极小值,且收敛速度慢。
技术实现思路
1、本发明的目的在于解决现有技术的问题,提供一种基于ga-bp神经网络的新型电力系统短路电流在线预测方法,无需对新能源电源进行复杂地控制策略建模,能适应新能源电源控制策略切换和输出功率随机变化的情境。
2、为了实现上述目的,本发明所采用的技术方案如下:
3、一种基于ga-bp神经网络的新型电力系统短路电流在线预测方法,包括以下步骤:
4、s1.分析新能源电源在不同控制策略下的故障输出特性,根据新能源电源的控制策略确定新能源电源的输出特性数学表达式;
5、s2.建立新型电力系统仿真模型,设置不同故障条件生成大量故障样本数据,提取故障前电力系统的运行状态数据以及故障后线路的短路电流数据,将数据进行归一化处理,并生成训练数据和标签数据;
6、s3.构建bp神经网络,利用遗传算法对bp神经网络的初始权值和阈值进行优化,并利用训练数据及标签数据对bp神经网络进行迭代训练,直至输出误差趋于稳定,获得训练好的bp神经网络;
7、s4.获取新型电力系统的实时运行状态数据,将实时运行状态数据进行归一化处理,并输入训练好的bp神经网络,bp神经网络输出新型电力系统当前运行状态发生故障时线路的短路电流。
8、进一步地,步骤s1中,新能源电源采用的控制策略为:
9、在正常运行时,采用mppt控制和pq控制保证有功功率的最大输出;
10、在故障发生后,当新能源电源并网点电压跌落到0.9倍额定电压之下时,新能源电源控制方式转为低电压穿越控制,输出2倍电压跌落值的无功电流作为电压支撑;
11、受逆变器限幅环节的影响,新能源电源的输出电流不超过额定电流的1.2倍。
12、进一步地,新能源电源的输出特性数学表达式为:
13、
14、式中,为新能源电源的输出电流,p*为新能源电源输出功率的标幺值,u*为新能源电源的电压标幺值。
15、进一步地,步骤s2中,建立的新型电力系统仿真模型,新能源占主体地位,设置不同故障条件具体为:设置不同的新能源电源出力、负荷大小、故障类型和故障位置,包括:
16、对于新能源电源的出力特征数据,将新能源电源出力随机设置在区间[0,pi];
17、负荷有功功率大小随机设置在区间[0.8pj,1.2pj],负荷无功功率大小随机设置在区间[0.8qj,1.2qj];
18、故障类型随机选取常见故障类型中的任意一种;故障位置随机设置在各线路的末端处;
19、其中,pi为新能源电源的额定功率,pj为负荷的额定有功功率,qj为负荷的额定无功功率。
20、进一步地,提取故障前电力系统的运行状态数据具体为:电力系统各处节点的电压幅值、相角和线路传输的有功功率、无功功率。
21、进一步地,利用训练数据及标签数据对bp神经网络进行迭代训练时,bp神经网络的输入为故障前电力系统各处节点的电压幅值、相角和线路传输的有功功率、无功功率,输出为故障后的线路各相的短路电流大小。
22、进一步地,步骤s3中,利用遗传算法对bp神经网络的初始权值和阈值进行优化,具体为:
23、对bp神经网络的初始权值和阈值进行编码,得到初始种群;计算初始种群适应度,进行适应度评估;如果没有满足终止条件,则选择适应度高的个体进行复制,并进行交叉、变异产生新种群;计算新种群适应度,进行适应度评估;直至满足终止条件,达到精度要求或者迭代次数。
24、进一步地,适应度函数为bp神经网络输出的平均绝对百分比误差mape,具体为:
25、
26、式中,yi为i点预测输出值,oi为i点实际输出值,n为bp神经网络输出节点个数。
27、一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述任一项所述的基于ga-bp神经网络的新型电力系统短路电流在线预测方法的步骤。
28、一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述任一项所述的基于ga-bp神经网络的新型电力系统短路电流在线预测方法的步骤。
29、与现有技术相比,本发明具有如下优点和有益效果:
30、1、模型简单可靠。在搭建新型电力系统仿真模型时,利用数学模型模拟新能源电源的输出特性,无需对新能源电源的复杂内部结构和控制策略进行建模,提高了新型电力系统仿真模型的运行速度,有利于快速生成故障样本数据库。
31、2、具有全局搜索能力,不会陷入局部死区。利用遗传算法对bp神经网络初始权值和阈值进行优化,解决了bp神经网络容易局部极小值,预测效果不佳的问题,同时也能提高网络的精度与收敛速度。
32、3、短路电流在线计算速度快、精度高。神经网络训练完成后在线应用时,只需将采集的在线数据输入到神经网络中即可快速得到计算结果值,无需进行迭代计算,计算速度快,且充分考虑到电力系统的运行状态,能适应新能源电源出力和负荷变化的场景,采用实时数据的方法提高了短路电流计算精度。
1.一种基于ga-bp神经网络的新型电力系统短路电流在线预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于ga-bp神经网络的新型电力系统短路电流在线预测方法,其特征在于,步骤s1中,新能源电源采用的控制策略为:
3.根据权利要求2所述的基于ga-bp神经网络的新型电力系统短路电流在线预测方法,其特征在于,新能源电源的输出特性数学表达式为:
4.根据权利要求1所述的基于ga-bp神经网络的新型电力系统短路电流在线预测方法,其特征在于,步骤s2中,建立的新型电力系统仿真模型,新能源占主体地位,设置不同故障条件具体为:设置不同的新能源电源出力、负荷大小、故障类型和故障位置,包括:
5.根据权利要求1所述的基于ga-bp神经网络的新型电力系统短路电流在线预测方法,其特征在于,提取故障前电力系统的运行状态数据具体为:电力系统各处节点的电压幅值、相角和线路传输的有功功率、无功功率。
6.根据权利要求5所述的基于ga-bp神经网络的新型电力系统短路电流在线预测方法,其特征在于,利用训练数据及标签数据对bp神经网络进行迭代训练时,bp神经网络的输入为故障前电力系统各处节点的电压幅值、相角和线路传输的有功功率、无功功率,输出为故障后的线路各相的短路电流大小。
7.根据权利要求1所述的基于ga-bp神经网络的新型电力系统短路电流在线预测方法,其特征在于,步骤s3中,利用遗传算法对bp神经网络的初始权值和阈值进行优化,具体为:
8.根据权利要求7所述的基于ga-bp神经网络的新型电力系统短路电流在线预测方法,其特征在于,适应度函数为bp神经网络输出的平均绝对百分比误差mape,具体为:
9.一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,其特征在于,处理器执行计算机程序时实现如权利要求1至8任一项所述的基于ga-bp神经网络的新型电力系统短路电流在线预测方法的步骤。
10.一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,其特征在于,计算机程序被处理器执行时实现如权利要求1至8任一项所述的基于ga-bp神经网络的新型电力系统短路电流在线预测方法的步骤。