一种多馈入直流输电系统换相失败快速评估方法与流程

本发明属于电气工程领域，尤其涉及一种基于深度神经网络的lcc直流输电系统换相失败快速评估方法。

背景技术：

1、随着新型电力系统背景下(特)高压交直流混联电网建设，区域间电网互联的不断推进；而新能源功率输出的波动性和不确定性为新型电力系统的安全稳定运行带来巨大挑战。交直流混联系统特性复杂，多馈入直流受端系统安全性问题突出。一是交直流混联受端电网网架结构日益复杂，系统发生故障的概率攀升；二是大容量、高密度特高压直流集中馈入受端电网，以及大规模新能源接入受端电网，大量常规机组出力由特高压直流及新能源替代，导致系统转动惯量下降，系统总体调节能力大幅下降，严重威胁系统的安全稳定运行；三是直流输电系统运行特性对电压十分敏感,运行过程中需要吸收大量无功功率，受端电网无功电压动态过程更加复杂。因此，亟需掌握新型电力系统交直流混联电网运行规律，采取一系列稳定控制措施或防御对策，及时化解电网运行风险，提高安全稳定控制水平。

2、高压直流输电凭借其在大容量、远距离输电及对具有间歇性、随机性等特点的可再生能源的接纳上的优势。与交流输电相比，电网换相换流器高压直流输电(lcc-hvdc)的运行需要一定强度的交流系统提供换相支撑，称为受端交流电网强度。单馈入中常使用短路比(scr)指标来刻画交流系统强度，并以此来说明直流最大输送功率、过电压水平及换相失败等问题。在单馈入系统中，短路比能够较好地刻画交流电网强度，具有清晰的物理概念。由于多馈入系统中不仅存在交流和直流的相互耦合，还存在不同直流线路换流站之间的相互作用，这些耦合及相互作用均使得多馈入系统比单馈入直流系统更加复杂和难于分析。随着直流输电容量的增加，受端交流系统强度变弱，该问题在多条直流馈入统一区域时尤为突出。在弱受端交流系统中，如果发生短路故障会引起换流母线的电压下降，甚至会使换流器发生换相失败或者闭锁，造成严重的经济和社会财产危害。另一方面，换流器在换相失败恢复的过程中，需要吸收大量的无功功率，弱交流电网不能提供足够的无功支撑，导致受端电网电压失稳，直流部分无法恢复正常运行。

3、实现特高压直流输电满功率运行，将有效优化输送效率和电网地经济效益，但是由于以上特征，“强直弱交”的电网结构也使得特高压交直流线路存在着重大的隐患。随着可再生能源渗透率的提升，区域电网的发电机等效惯性将逐渐减弱，由直流故障，如单/双极闭锁或换相失败引发的有功功率缺额将可能导致频率、功角、电压等稳定问题，发生一系列事故、故障。换相失败是直流系统比较关键且常见的故障。当换流器做逆变运行时，从被换相的阀电流过零算起，到该阀重新被加上正向电压为止这段时间所对应的角度，也称为关断角(熄弧角)。如果关断角太小，以致晶闸管阀来不及完全恢复正常阻断能力，又重新被加上正向电压，它会自动重新导通，于是将发生倒换相过程，其结果将使该导通的阀关断，而应该关断的阀继续导通，称为换相失败。换相失败主要原因是交流系统故障，其使得逆变侧换流母线电压下降。在一定的条件下，有些换相失败可以自动恢复。但是如果发生多次连续换相失败，换流阀就会闭锁，中断直流系统的输电通道，在严重的情况下可能会出现多个逆变站同时发生换相失败，甚至导致电网崩溃。为了有效评估多馈入直流输电系统换相失败风险，现有方法通常使用机电-电磁暂态仿真手段对多馈入受端系统直流输电进行模拟，但受限于仿真速度，不同类型故障下整体仿真时间较长。

技术实现思路

1、为了解决现有技术中存在的问题，本发明提供一种基于深度神经网络的多馈入直流换相失败评估方法，以提升评估速度和精度的多馈入直流换相失败评估方法，具体由以下技术方案实现：

2、所述多馈入直流输电系统换相失败快速评估方法，包括如下步骤：

3、步骤1)建立交直流混联电力系统稳态与机电-电磁暂态模型；

4、步骤2)根据电网历史运行信息、未来规划态信息生成具有典型性的电网运行工况；

5、步骤3)根据机电-电磁暂态模型模拟多馈入直流输电系统落点近区不同交流侧故障后，获取直流侧系统响应；其中交流侧故障包括n-1、n-2三相永久接地故障；

6、步骤4)记录lcc直流输电系统换相失败标识，并统计连续换相失败次数；

7、步骤5)以交直流电网稳态信息和故障信息为输入，lcc直流输电系统连续换相失败总数为输出，训练深度神经网络模型，以快速评估lcc直流系统换相失败情况。

8、所述多馈入直流输电系统换相失败快速评估方法的进一步与设计在于，步骤1)中对电力电子设备使用电磁暂态模型进行仿真，得到精细化直流侧响应曲线，对大规模电网使用机电暂态模型进行仿真。

9、所述多馈入直流输电系统换相失败快速评估方法的进一步与设计在于，步骤1)中使用机电暂态模型进行仿真具体为：根据式(1)的非线性微分和代数方程组描述多机电力系统的动态行为，

10、

11、其中，x是nx*1阶的矢量，包含电力系统所有状态变量，例如发电机转子转速、转子角度、磁通和励磁系统、调速器、pss、动态负荷和直流分量等；y是一个由代数变量组成的ny*1阶向量，即母线电压幅值和角度；u是nu*1阶的矢量，f是微分方程组，代数方程g由基尔霍夫电流定律网络方程组成，根据式(2)建立在机电暂态仿真过程中电力系统的网络方程，

12、i＝y*v (2)

13、其中，i是注入电流，包含发电机，动态负荷和用户自定义等动态模型；y代表电力网络的导纳矩阵；v是电网母线复数电压矢量。

14、所述多馈入直流输电系统换相失败快速评估方法的进一步与设计在于，采用显式积分法和隐式积分法求解式(1)、式(2)。

15、所述多馈入直流输电系统换相失败快速评估方法的进一步与设计在于，所述步骤2)中生成的运行工况以潮流文件bpa格式存储。

16、所述多馈入直流输电系统换相失败快速评估方法的进一步与设计在于，所述步骤3)中所述的不同交流侧故障为针对多馈入直流受端系统模拟不同位置、不同类型的故障。

17、所述多馈入直流输电系统换相失败快速评估方法的进一步与设计在于，所述步骤4)中记录lcc直流输电系统换相失败标识通过200ms滑动窗口对失败标识进行捕获；所述换相失败标识可由交直流互联电网机电-电磁混合仿真程序给出。

18、所述多馈入直流输电系统换相失败快速评估方法的进一步与设计在于，所述

19、步骤5)中深度神经网络模型包括线性变换函数、非线性激活函数以及含有误差项与修正项的代价函数，

20、根据式(3)构建线性变换函数，

21、h(k+1)＝wh(k)    (3)

22、式(3)中，h为神经元函数，h(k)表示第k个神经元函数；w为权重；

23、h(k+2)＝f(h(k+1))    (4)

24、式(4)中，f(·)为非线性激活函数；

25、

26、式(5)中，j(w，b)为代价函数，hw，b(·)为拟合结果，x为自变量输入，y为输出，误差项为式(5)等号右边用于评估模型样本集拟合的好坏程度，j(·)的变化值为修正项用于通过控制复杂度的方式防止过拟合现象；

27、模型的输入数据特征包括受端系统母线电压幅值、交流线路有功功率、直流线路有功功率、系统负荷水平、故障位置、故障类型；模型输出数据为受端系统内多馈入直流线路换相失败次数。

28、有益技术效果

29、本发明的基于深度神经网络的多馈入直流换相失败评估方法，相较于现有的仿真方法可大幅提升评估速度和精度。该方法以交直流混联电网直流落点近区潮流态信息作为输入，以直流输电系统换相失败次数为输出，训练深度神经网络模型，可快速给出换相失败评估结果。