基于历史数据的电力系统稳定性快速判断方法

摘要

本发明公开了一种基于历史数据的电力系统稳定性快速判断方法，包括收集电网历史运行数据，并计算统计量；收集电网实时运行数据；对电网关键节点和电网故障薄弱点的故障求取故障稳定程度指标；进行相关性分析，形成各采样点的故障特征变量；计算当前时刻的稳定程度指标，判断当前时刻电网稳定性。本发明将电网实时运行数据与电力系统历史数据库中的电网运行和故障数据，快速判断电网的实时稳定性能；同时针对每一次的计算结果都会纳入并更新数据库，因此本发明方法计算复杂度较低，计算速度快；本发明还采用时域仿真方法详细对系统的稳定性进行计算并纳入历史数据，因此本发明方法还能对电力系统稳定性进行精确判断。

说明书

技术领域

本发明属于电力系统自动化领域，具体涉及一种基于历史数据的电力系统 稳定性快速判断方法。

背景技术

随着我国经济技术的发展和人民生活水平的提高，电能已经成为了人们日 常生活中最重要的能源。而电力系统的供电稳定性已经成为了人们对电力系统 最重要的要求之一。为了保障电能安全可靠的传输，中国电网中开展了西电东 送、全国联网以及特高压输电等重大工程，交直流混联的特大电网已经基本形 成。随着电网规模的扩大，电网安全稳定性愈加难以掌控。世界上已经发生的 多次电网故障表明，输电电压等级的提高、联网规模扩大以及传输容量的增加， 都会增大电网故障带来的危害，故障原因和过程也更为复杂。开展对运行电网 全面细致的在线监视、分析和控制，保障电力生产、传输和使用的安全是各国 电力行业的迫切需求。

为了保证电力系统的安全稳定，电力系统在线安全稳定分析技术已得到较 为广泛的应用。目前我国省级以上调度支持系统都配有在线分析模块。在线分 析通常每15分钟对电力系统当前运行状态进行一次全面扫描，对实时性要求非 常高，尤其是暂态稳定分析模块，计算任务一般会达到几百至上千不等，计算 量非常大；另一方面，在线分析模块会把每15分钟一次的当前断面数据进行存 储，形成大量宝贵的历史计算数据，这些数据既包含以往的运行方式，也包含 对应的稳定分析结果。

但是，现有的电力系统快速判稳方法大致分为两类：第一类方法是利用大 量的电网运行数据，进行严格精确的在线数据计算和仿真，然而该类方法随着 电力系统运行数据的增加和系统的扩大，其计算复杂度呈指数性上升趋势，该 类方法虽然计算结果精确可靠，但是由于计算和仿真周期长，一般仅用于进行 理论分析和验证。第二类方法是利用电网的运行数据，采取优化计算程序、简 化分析过程等手段减少计算和仿真的数据量，从而达到快速定性判断电网稳定 性的目的；但是该类方法存在计算和仿真的基础数据量不足、结果不精确、可 靠性和稳定性不高的问题。

发明内容

本发明的目的在于提供一种能够快速对电力系统稳定性进行精确判断、实 时高的基于历史数据的电力系统稳定性快速判断方法。

本发明提供的这种基于历史数据的电力系统稳定性快速判断方法，包括如 下步骤：

S1.收集电网系统数据库中电网设备的状态量和电气量历史数据，计算状态 量和电气量的均值和标准差，形成统计量；同时收集电网系统实际运行时的电 网设备的状态量和电气量，形成当前时刻下的故障特征变量；

S2.根据步骤S1收集的统计量，针对每一个时间节点，对电网关键节点和 电网故障薄弱点的各类故障求得故障临界切除时间，作为故障稳定程度指标；

S3.将步骤S1得到的统计量，与步骤S2获取的各类故障稳定程度指标进 行相关性分析，将相关性最大的N组统计量作为该故障的故障特征变量，形成 各采样点的故障特征变量，N为大于零的整数；

S4.本局步骤S3获得的各采样点的故障特征变量和步骤S2得到的当前时 刻下的故障特征变量，采用K-最近邻算法计算当前时刻的稳定程度指标，判断 当前时刻下电网系统的稳定性结果。

基于历史数据的电力系统稳定性快速判断方法还包括如下步骤：

S5.精确求取当前时刻电网系统的稳定程度指标；

S6.将步骤S5求取的精确的稳定程度指标更新当前时刻的电网系统的稳定 性参数，并加入电网系统数据库。

步骤S3所述的相关性分析，为采用Pearson相关系数法进行相关性分析：

$r_{A,B}=\frac{\underset{i=1}{\overset{n}{\Sigma }}(a_i-\bar{A})(b_i-\bar{B})}{n·{\sigma }_A·{\sigma }_B}$

式中n是元组的个数，a_i和b_i分别是元组i在A和B上的数值，和分 别是A和B的均值，σ_A和σ_B分别是A和B的标准差。

步骤S4所述的K-最近邻算法，具体包括如下步骤：

1)根据当前时刻下电网设备的状态量和电气量得到当前时刻故障特征变 量，计算当前时刻下步骤S3所述各采样点的故障特征变量与当前时刻故障特征 变量之间的度量距离；

2)在步骤1)获取的度量距离中，获取度量距离最短的M个历史采样点 的稳定程度指标，按照度量距离的倒数进行加权平均，求得当前时刻的稳定程 度指标，判断当前时刻下电网系统的稳定性结果，M为大于0的整数。

步骤S5所述的精确求取，为采用时域仿真方法求取。

步骤S1所述的电网设备的状态量和电气量，包括交流线路的投运状态和有 功功率、机组的投运状态、有功功率和机端电压、负荷的电压和有功功率、区 域的总发电、总负荷和平均电压、厂站的总发电、总负荷和投运机组数量。

步骤1)所述的度量距离，为欧式距离。

步骤2)所述的M个历史采样点的稳定程度指标，为3个或5个。

步骤S3所述的N组统计量，为200组统计量。

本发明采用K-最近邻算法，利用电力系统历史数据库中的电网运行和故障 数据，求取各类型故障的特征变量，再将故障特征变量与电网实时运行数据进 行对比，从而快速判断电网的实时稳定性能；同时本发明方法针对每一次的计 算结果都会纳入数据库并进行更新，因此本发明方法计算复杂度相对较低，计 算速度快；而且本发明方法还在初步判定系统稳定性能后，采用时域仿真方法 详细对系统的稳定性进行计算并纳入历史数据，因此本发明方法对电力系统稳 定性进行精确判断。

附图说明

图1为本发明方法的流程图。

具体实施方式

如图1所示为本发明方法的流程图：本发明提供的这种基于历史数据的电 力系统稳定性快速判断方法，包括如下步骤：

S1.收集电网系统数据库中电网设备的状态量和电气量，计算状态量和电气 量的均值和标准差，形成统计量；同时收集电网系统实际运行时的电网设备的 状态量和电气量：

所述的电网设备的状态量和电气量，包括交流线路的投运状态和有功功率、 机组的投运状态、有功功率和机端电压、负荷的电压和有功功率、区域的总发 电、总负荷和平均电压、厂站的总发电、总负荷和投运机组数量。

S2.根据步骤S1收集的统计量，针对每一个时间节点，对电网关键节点和 电网故障薄弱点的各类故障求得故障临界切除时间，作为故障稳定程度指标：

S3.将步骤S1得到的统计量，与步骤S2获取的各类故障稳定程度指标进 行相关性分析，将相关性最大的200组统计量作为该故障的故障特征变量，形 成各采样点的故障特征变量：

所述的相关性分析，为采用Pearson相关系数法进行相关性分析：

$r_{A,B}=\frac{\underset{i=1}{\overset{n}{\Sigma }}(a_i-\bar{A})(b_i-\bar{B})}{n·{\sigma }_A·{\sigma }_B}$

式中n是元组的个数，a_i和b_i分别是元组i在A和B上的数值，和分 别是A和B的均值，σ_A和σ_B分别是A和B的标准差。

S4.采用K-最近邻算法，计算当前时刻的稳定程度指标，判断当前时刻下 电网系统的稳定性结果：

K-最近邻算法主要包括如下步骤：

1)根据当前时刻下电网设备的状态量和电气量得到当前时刻故障特征变 量，计算当前时刻下步骤S3所述各采样点的故障特征变量与当前时刻故障特征 变量之间的度量距离，度量距离采用欧式距离；

2)在步骤1)获取的度量距离中，获取度量距离最短的3个或5个历史采 样点的稳定程度指标，按照度量距离的倒数进行加权平均，求得当前时刻的稳 定程度指标，与电网标准稳定程度指标相比判断当前时刻下电网系统的稳定性 结果。

S5.采用时域仿真方法精确求取当前时刻电网系统的稳定程度指标；

S6.将步骤S5求取的精确的稳定程度指标更新当前时刻的电网系统的稳定 性参数，并加入电网系统数据库。

以下结合一个实施例对本发明进行进一步说明：

以国家电网公司某月在线计算数据为基础，验证本文方法的有效性。当月 华北-华中处于联网运行状态，因此在线数据中包含国调直调以及华北、华中所 有220kV以上的电网设备。统计量采用步骤一中的统计方法，共计22816个； 考察故障包括四川.山桃一线、华北.黄滨一线、国调.峡葛I线、华中.樊白II线、 国调.渔宜线、国调.葛岗线、华中.牌长I回线、华中.盘龙I线、华中.艾鹤I回线、 华中.艳牌I回线，共计10个。

该月断面数据共2875个，采用其中的一半作为样本集，即1437个；另外 一半用于预测，并与精确仿真结果进行对比。

相关性分析

本步骤根据采集的统计量和稳定程度指标，进行相关系数分析，找到与稳 定指标相关性最大(相关系数绝对值最大)的若干统计量，作为稳定特征，为 后续预测做准备。

分析黄滨一线CCT与统计量间的相关性(绝对值最大10个)

表1黄滨一线相关性分析

统计量 相关系数 相关性说明 山东.红庙站负荷功率 -0.7758 负相关 山东.泰红Ⅱ线功率 -0.7731 负相关 山东.泰红线功率 -0.7727 负相关 山东.许寺站负荷功率 -0.7700 负相关 山东.延庆站负荷功率 -0.7569 负相关 山东.赵庄站负荷功率 -0.7544 负相关 山东.水屯站负荷功率 -0.7509 负相关 山东.许南线功率 -0.7484 负相关 山东.清河站负荷功率 -0.7471 负相关 山东.彩虹站负荷功率 -0.7463 负相关

分析葛岗线CCT与统计量间的相关性(绝对值最大10个)

表2葛岗线相关性分析

步骤三k最近邻算法预测

选取相关系数最大的若干统计量作为稳定特征，要求相关系数绝对值不小 于0.5，稳定特征个数不小于100，然后分别采用k＝1,3,5,7,9情况下的k-最近 邻算法进行预测。

黄滨一线结果如下所示。

表3黄滨一线预测平均误差

K＝1 K＝3 K＝5 K＝7 K＝9 平均误差 3.10％ 2.88％ 3.53％ 3.98％ 4.29％

葛岗线结果如下所示。

表4葛岗线预测平均误差

K＝1 K＝3 K＝5 K＝7 K＝9 平均误差 0.49％ 0.58％ 0.62％ 0.65％ 0.67％

目前，电力系统仿真的正常保护动作时间通常为0.1秒，后备保护动作时间 通常为0.3秒。现有在线计算得到的临界切除时间均大于0.1秒，这也符合正常 情况下发生N-1故障后，系统能够保持稳定的原则。因此，采用0.3秒作为分界 线进行分类，0.3秒以下为判定危险，0.3秒以上为判定安全。结果如下表所示。

表5分类预测误差率

任务 预测总数 <0.3s >＝0.3s 误报数 误报率 山桃一线 1228 1187 41 16 1.30％ 黄滨一线 1251 538 713 47 3.76％ 峡葛I线 1235 1235 0 0 0 樊白II线 594 73 521 14 2.36％ 渔宜线 352 2 350 2 0.16％ 葛岗线 1234 932 302 2 0.16％ 牌长I回线 1240 1165 75 9 0.73％ 盘龙I线 1229 1225 4 3 0.24％ 艾鹤I线 1235 1231 4 3 0.24％ 艳牌I回线 1239 1165 74 10 0.81％

由结果可见，预测的临界切除时间平均误差在5％以内，分类误报率在4％ 以下，具备实用水平。

从计算时间上看，从收到在线计算数据到给出预测结果时间在5秒以内， 完全满足在线分析的要求。