基于受扰电压轨迹簇特征的电力系统暂态稳定性预测方法

摘要

本发明公开了一种基于WAMS受扰电压轨迹簇特征的电力系统暂态稳定性预测方法，该方法对电力系统中WAMS系统所采集到的历史信息进行初步筛选，得到故障后所有关键发电机节点电压幅值的时域轨迹簇构成原始数据集；对原始数据计算轨迹簇的27个几何特征；利用Relief算法对所有特征量进行权重计算，选出与系统暂态稳定性强相关的若干个广域故障特征，并作为暂态稳定预测算法的输入数据集；基于输入数据集构造SVM预测模型。本发明不建立电力系统的分析模型，而是根据WAMS系统得到的电力系统的响应信息，直接预测电力系统的暂态稳定性；本发明不但能够快速预测系统稳定性，具有极强的适应性和鲁棒性。

主权项

基于受扰电压轨迹簇特征的电力系统暂态稳定性预测方法，其特征在于，所述方法的步骤包括：S1、基于WAMS系统对电力系统采集得到的历史数据信息进行初步筛选，得到故障后所有关键发电机节点电压幅值的时域轨迹簇，并构成原始数据集；所述步骤S1中，在某个故障情况下，得到故障清除后m个周波的所有n个发电机节点电压轨迹簇，记为轨迹簇矩阵：{x_ij}_m×n，其中，x_ij即为某一周波下某一轨迹采样点的值，i表示采样点的周波序号，j表示轨迹簇中的某一条轨迹序号；S2、对所述原始数据进行轨迹簇中27个几何特征量的计算；所述步骤S2中所述27个几何特征量包括：特征1：瞬时轨迹质心，c_i为一m行的列向量；特征2：轨迹簇断面离散度，特征3：上包络线，ue_i＝{max(x_i)},i＝1,2,...,m；特征4：下包络线，le_i＝{min(x_i)},i＝1,2,...,m；特征5：瞬时轨迹中心，me_i＝{(max(x_i)+min(x_i))/2},i＝1,2,...,m；特征6：上包络线与质心线之差，dcue_i＝{|ue_i‑c_i|},i＝1,2,...,m；特征7：下包络线与质心线之差，dcle_i＝{|le_i‑c_i|},i＝1,2,...,m；特征8：包络线高度，he_i＝{|max(x_i)‑min(x_i)|},i＝1,2,...,m；特征9：轨迹质心与中心之差，dcm_i＝{|c_i‑me_i|},i＝1,2,...,m；特征10：质心线瞬时变化率，其中，h为采样时间间隔；特征11：离散度瞬时变化率，特征12：上包络线变化率，特征13：下包络线变化率，特征14：中心线变化率，特征15：包络线高度变化率，特征16：轨迹曲率，特征17：质心线曲率，特征18：离散度曲率，特征19：上包络线曲率，特征20：下包络线曲率，特征21：中心线曲率，特征22：质心线变化加速度，特征23：离散度变化加速度，特征24：上包络线加速度，特征25：下包络线加速度，特征26：中心线加速度，特征27：包络线高度变化加速度，其中，轨迹曲线曲率的计算采用了三点二次插值算法；对N个电压轨迹簇样本计算特征量后得到的数据集记为X_N×M，N为样本个数，M为特征量个数，此处M＝27；S3、利用Relief算法对步骤S2中所述的27个几何特征量进行权重w_i计算，并选出与系统暂态稳定性强相关的若干个广域故障特征作为暂态稳定预测算法的输入数据集；S4、根据所述输入数据集构建支持向量机SVM预测模型，并采取交叉验证的方法得到最佳精度的预测模型；S5，利用步骤S2和S3对WAMS系统采集得到的新电力系统数据信息进行处理，构建预测数据集；S6、利用步骤S4中构建的预测模型对所述预测数据集进行判断，获得暂态稳定性的预测结果。