一种新型暂态电压稳定评估方法

本发明属于电力，涉及暂态电压稳定性评估技术，尤其涉及一种新型暂态电压稳定评估方法。

背景技术：

1、随着高比例电力电子设备的接入和新能源渗透率的逐步增加，电网规模不断扩大、运行方式更加复杂多变，新型电力系统的暂态电压稳定性问题愈发复杂。暂态电压稳定问题具有明显的分区特性，常规的机器学习评估模型往往只给出全局的暂态电压稳定情况，这样的结果相对粗糙，评估结果的信息有限，因此需要更为精细化的暂态电压稳定评估模型和判据。

2、针对上述问题，现有技术中，大量学者进行了一系列研究并得出相应的解决方案。朱利鹏、黄玮芝、侯杰等人在现有文献1(专利号：cn202410185252.x)中，针对现有技术对暂态电压失稳机理的信息学习不足、机器学习评估模型的准确性较低等问题，提出一种基于阻抗信息学习的电网暂态电压稳定评估方法，即通过关键负荷节点的电气量时序轨迹计算得到负荷阻抗时序轨迹和戴维南等值阻抗时序轨迹作为暂态样本集并构建卷积神经网络进行暂态电压稳定评估。李莉、秦昌龙、李广等人在现有文献2(专利号：cn202310357325.4)中针对现有暂态电压分析方法难以适用大规模互联系统的问题，提出了一种基于辛普森公式的互联系统暂态电压评估方法，充分考虑电压跌落的累计效应，基于辛普森公式制定了一种不依赖于电网模型参数的暂态电压稳定性指标。

3、发明目的

4、本发明的目的是为了解决现有暂态电压稳定评估技术的准确性较低、判别规则不明确的问题，本发明提出一种新型暂态电压稳定评估方法，较现有技术准确性提高，且判据集合更丰富。

技术实现思路

1、根据本技术的第一方面，提供了一种新型暂态电压稳定评估方法，可以包括以下步骤：

2、步骤1：在psd-bpa机电暂态仿真平台构建中国电科院电压崩溃算例，进行潮流计算得到初始运行结果。设置三相短路永久故障，故障持续时间为5周波，对500kv网架线路进行n-1和n-2故障扫描，得到预想故障集；

3、步骤2：基于batbpa批量处理程序，输入潮流文件、稳定文件和预想故障集文件，进行稳定性计算，导出结果文件，得到初始数据集；

4、步骤3：提取初始数据集中的负荷节点电气量数据构建暂态电压稳定评估数据集，并根据《电力系统安全稳定导则》的暂态电压稳定工程判据进行暂态电压稳定性标注，得到含节点标签的暂态电压稳定评估数据集，按7:3的比例划分训练集和测试集；

5、步骤4：用支持向量机代替决策树内部结点，构建多变量决策树模型，引入多项式核函数得到升阶多变量决策树模型，输入含节点标签信息的暂态电压稳定评估训练集，进行暂态电压稳定评估模型训练，保存相关超参数，输入测试集数据得到暂态电压稳定评估结果，用准确率、精确率、召回率和f1分数进行模型性能评估；

6、步骤5：已训练好的决策树模型从根节点到叶子结点的每一条路径均可视为一条暂态电压稳定评估判据，整棵决策树可视为暂态电压稳定评估判据的规则集合。提取多变量决策树非叶子结点的决策函数以及从根节点开始到每一个叶子结点的规则路径，生成暂态电压稳定评估判据集合；

7、步骤1中所述故障集生成方式为：对500kv网架线路进行n-1和n-2扫描，n-1指的是断开其中一条线路，其他线路正常运行。n-2指的是断开任意两条线路，其他线路正常运行，所构建的n-2故障集为所有线路中断开任意组合两条线路的所有集合。

8、步骤2中所述电气量数据集为：构建的得到的初始数据集为所有节点的电气量数据，仿真计算得到的电气量数据包括：

9、节点电压u、节点有功功率p、节点无功功率q，节点负荷电流i

10、其中，节点负荷电流由其他三个电气量计算得到：

11、

12、步骤3中构建的暂态电压稳定数据集x为原始数据集中筛选出的负荷节点电气量集合，包括：

13、x＝[u p q i y]  (2)

14、其中u、p、q、i结构相同，为电气量时序数据，y为标签值。

15、

16、根据《电力系统安全稳定导则》的暂态电压稳定工程判据，若节点电压10s内能恢复到0.8p.u.以上，则电压稳定，标签值记为1；若节点电压10s内无法恢复到0.8p.u.以上，则电压失稳，标签值记为0。所有节点均标注完毕形成暂态电压稳定标签值集合y，y大小为n×1，n为样本数。数据集采样区间为故障消失后下一个采样点开始0.3s。

17、步骤4中构建的暂态电压稳定评估模型包括：

18、用支持向量机代替多变量决策树非叶子节点的分类器，利用求解到的最优划分超平面代替原决策树内部结点的划分方式，所有训练样本作为多变量决策树的输入，首先在根节点训练得到最优超平面，根据样本与最优超平面的位置关系将所有的训练样本划分为正类和负类，由于软间隔的存在，此时划分出来的正类和负类样本并非纯净的正类和负类，因此两类样本分别再次训练最优超平面进行划分，不断递归，最后得到训练好的决策树，其叶子结点为最后的决策结果，从而实现暂态电压稳定评估。其中，支持向量机作为决策结点划分方式的分类超平面表示为：

19、

20、决策函数为：

21、

22、多变量决策树算法基于经典分类回归树(cart)实现，cart使用基尼指数(giniindex)来选择划分属性，当前节点样本集d的纯度可用基尼指数来衡量：

23、

24、其中，d为当前节点样本集，|y|为类别的数量，pi为当前样本集合d中i类样本所占的比例。当前节点进一步划分为d1和d2两个子节点后，则当前节点划分方式(w,b)的基尼指数为：

25、

26、于是，cart的学习目标为选择使划分后基尼指数最小的划分方式(w,b)作为最优划分。

27、在支持向量机引入多项式核函数：

28、k(xi,xj)＝(＜xi,xj＞+1)2  (9)

29、通过对输入向量的各个分量进行多项式组合，形成更复杂的特征表达，即将原始特征空间映射到二次多项式特征空间，从而更好地划分非线性可分数据，其分类超平面为：

30、

31、决策函数为：

32、

33、根据模型评估结果构造如表1所示的混淆矩阵：

34、表1混淆矩阵

35、

36、以准确率、精确率、召回率和f1分数进行模型性能评估：

37、准确率(accuracy)：

38、准确率表示模型正确分类的样本占总样本数的比例，计算方式为：

39、

40、精确率(precision)：

41、精确率表示模型预测为正类别的样本中有多少是真正的正类别，计算方式为：

42、

43、召回率(recall)：

44、召回率指在所有实际为正类别的样本中，模型能够正确预测为正类别的比例。其计算方式为：

45、

46、f1分数：

47、f1分数是精确率和召回率的调和平均数，它综合了两者的性能，计算方式为：

48、

49、将原始数据集输入基于多变量决策树的暂态电压稳定评估模型，得到已训练的决策树模型，提取出每个非叶子结点的决策函数：

50、

51、步骤5中生成的暂态电压稳定判据集合为：

52、每个叶子结点都是从根节点开始，经过一系列决策结点的判断，形成一条规则路径，将单条路径表示为：

53、r1＝sign(y1)∩sign(y2)∩...∩sign(yi)  (17)

54、i为该条路径上决策节点的个数，sign为符号函数，对于二分类问题，则整颗决策树的规则集合可表示为：

55、{r1,...,rk|节点电压稳定}∩{rk+1,...,rj|节点电压失稳}   (18)

56、其中j为规则个数，前k个为稳定判据，后j-k个为失稳判据。

57、本发明的有益效果在于：采用本方法处理后，仅需负荷节点的四类电气量时序数据即可实现暂态电压稳定评估，并能生成稳定判据集合；对实际暂态电压稳定评估具有一定意义。