基于故障后电压轨迹的电力系统暂态稳定性在线预测

摘要

随着我国互联电网的逐渐形成，对电网安全稳定运行的要求更加严格，寻找能够快速、准确评估系统暂态稳定性的方法具有重要意义。随着人工智能的逐渐发展，机器学习成为评估暂态稳定的很有前途的方法。机器学习的观点认为暂态稳定预测是一个模式识别问题，系统的暂态稳定性和描述系统运行状态的特征量之间具有某种映射关系，通过机器学习可以获得这种函数关系。WAMS是基于同步相量测量及现代通信技术，对地域广阔的电力系统运行状态进行监测和分析，监测系统采集并存储了大量历史数据，利用这些数据所蕴含的信息，可以进行有效的机器学习，进而找到进行暂态稳定预测的方法。
　　本文依托国家电网公司2014年科研项目“在线安全稳定分析系统应用效能评估方法研究”，首先研究了智能学习方法在电力系统暂态稳定预测中的应用，并分析了支持向量机在本研究目标中的优势。解释了选用电压轨迹的原因是其作为电磁暂态过程比机电暂态过程的功角值更加快速，并通过仿真验证了电压幅值可以比功角更准确的预测更短时间内的电力系统暂态稳定性。基于WAMS的机端电压轨迹，结合支持向量机的智能学习，研究了电力系统的暂态稳定在线预测的若干问题，包括:特征选择、组合预测模型、在线学习和评估等。
　　本文运用了一种基于受扰轨迹簇特征的方法。该方法首先获取系统受扰后的电压轨迹，并定义了可以反映数据集关键信息的29个广域故障特征对电压轨迹进行预处理。庞大的数据和冗余特征可能会对样本造成干扰，本文利用Relief算法和Recorre算法对原始特征进行特征筛选和去冗余，构成预测系统的初始数据集。本文选用Libsvm工具箱作为机器学习的软件，研究了参数优化的方法和增量学习算法。对暂态稳定预测系统的结构进行了改进以适应非对称故障，此时，使用三个分类器，对每相的数据进行训练，输出使用“或”逻辑。在PSASP仿真软件中搭建了新英格兰10机39节点系统作为测试模型，仿真验证了本文所所用方法的可行性，分析结果表明该方法能有效提高暂态稳定预测的可靠性。分析比较了不同的样本数量、不同的故障类型和不同的时间尺度下系统的预测性能，并且对于未知拓扑结构和未知运行方式下的预测结果进行了研究。如果系统输入有干扰以及网络节点信息不完整，此时WAMS系统提取的原始数据信息不完整，传统的预测方法将会失效。本文所用的方法对于不完全WAMS信息的暂态稳定性预测具有独特的优势。

目录

声明

致谢

摘要

1 绪论

1．1 本课题的研究背景和意义

1．2 电力系统暂态稳定分析方法的研究现状

1．2．1 时域仿真法

1．2．2 直接法

1．2．3 扩展等面积法

1．3 基于WAMS的暂态稳定分析方法的研究现状

1．3．1 详细模型预测法

1．3．2 同调群(等面积定则)预测法

1．3．3 角度曲线外推预测法

1．3．4 能量函数模型预测法

1．3．5 模式识别预测方法

1．4 本论文主要工作

2 基于WAMS的故障后受扰机端电压轨迹的获取

2．1 WAMS简介

2．2 扰动后电压轨迹特征

2．3 暂态电压变化与功角稳定性的关系

2．4 本章小结

3 基于受扰电压轨迹簇的广域故障特征定义与提取

3．1 轨迹簇特征的定义

3．2 基于Relief算法的广域故障特征提取

3．2．1 Relief算法

3．2．2 特征之间的冗余问题的Relief-Recorre组合算法

3．3 特征样本的构造

3．3．1 故障切除时间

3．3．2 故障位置

3．3．3 故障类型

3．3．4 特征提取前后预测效果对比

3．4 本章小结

4 基于SVM的电力系统暂态稳定预测算法

4．1 支持向量机概述

4．1．1 最优分类面

4．1．2 非线性分类问题

4．1．3 核函数

4．2 基于SVM的暂态稳定预测算法

4．2．1 Libsvm工具箱简介

4．2．2 交叉验证法优化SVM的参数

4．2．3 预测算法流程

4．3 SVM的增量学习

4．3．1 基于错误率小的增量学习

4．3．2 基于多支持向量机的增量学习

4．3．3 基于KKT条件的增量学习

4．4 本章小结

5 基于广域故障特征的暂态稳定性预测算例与分析

5．1 预测性能的评价指标

5．2 预测算例的样本构成

5．3 IEEE39节点系统的暂态稳定情况

5．4 算例分析

5．4．1 功角轨迹和电压轨迹预测性能对比

5．4．2 广域故障特征提取前后的预测性能对比

5．4．3 不同故障类型的预测性能对比

5．4．4 不同样本数据量的预测性能对比

5．4．5 不同时间尺度数据预测性能对比

5．4．6 对于未知拓扑结构与负荷水平的暂态稳定性预测

5．5 基于不完全WAMS信息的预测能力分析

5．6 本章小结

6 结论与展望

6．1 主要结论

6．2 课题展望

参考文献

附录

作者简历

学位论文数据集