一种在线预测电力系统负荷能力极限的方法

摘要

本发明公开了一种在线预测电力系统负荷能力极限的方法，该方法由基于电网状态相似度指标的样本筛选方法、Lasso方法和误差反向传播型神经网络三部分组成；其中基于电网状态相似度指标的样本筛选方法以样本负荷能力极限值和电网状态相似度量化指标为依据，对训练样本进行筛选。Lasso方法对训练样本进行回归分析，确定各状态量中对负荷能力极限最具有解释性的系统状态量。误差反向传播型神经网络通过精简后的训练样本来离线拟合负荷能力极限并用于在线预测。该方法能够在保证预测精度的情况下明显提高误差反向传播型神经网络的离线训练效率。

主权项

一种在线预测电力系统负荷能力极限的方法，包括如下步骤：(1)通过对电力系统进行离线仿真，生成系统在随机多个工况下对应的多个训练样本；所述的训练样本包括输入变量和输出变量，所述的输出变量为系统的负荷能力极限；(2)通过基于电网状态相似度指标的筛选方法对训练样本进行筛选，进而对筛选保留下来的训练样本进行特征选择，从而实现对训练样本降维；对训练样本进行筛选的具体过程如下：A1.按负荷能力极限从小到大对所有训练样本进行排序；A2.比较前两个训练样本的负荷能力极限，若两者的负荷能力极限差小于预设的功率阈值，则计算两者间的电网电压状态相似度指标、电网有功状态相似度指标以及电网无功状态相似度指标，若三个相似度指标均小于对应预设的三个指标阈值，则表明两个训练样本同类，并删除其中任意一个训练样本，令保留下来的训练样本为待比较样本；其他情况下则表明两个训练样本非同类，保留两个训练样本，并令后一个训练样本为待比较样本；A3.根据步骤A2依次使下一个训练样本与待比较样本进行比较，以遍历完所有训练样本；所述的电网电压状态相似度指标、电网有功状态相似度指标以及电网无功状态相似度指标的计算公式如下：$SIPSS{\left(V\right)}_{ij}=\sqrt{\underset{k=1}{\overset{N_V}{\Sigma }}{\left(\frac{V_{ik}-V_{jk}}{V_{0k}}\right)}^2}$$SIPSS{\left(P\right)}_{ij}=\sqrt{\underset{k=1}{\overset{N_P}{\Sigma }}{\left(\frac{P_{ik}-P_{jk}}{P_{0k}}\right)}^2}$$SIPSS{\left(Q\right)}_{ij}=\sqrt{\underset{k=1}{\overset{N_Q}{\Sigma }}{\left(\frac{Q_{ik}-Q_{jk}}{Q_{0k}}\right)}^2}$其中：SIPSS(V)_ij、SIPSS(P)_ij和SIPSS(Q)_ij分别为第i个训练样本与第j个训练样本之间的电网电压状态相似度指标、电网有功状态相似度指标以及电网无功状态相似度指标，V_0k、P_0k、Q_0k分别为基准运行状态下系统中第k个节点的电压幅值、有功功率、无功功率，V_ik和V_jk分别为第i个训练样本和第j个训练样本对应系统工况下第k个节点的电压幅值，P_ik和P_jk分别为第i个训练样本和第j个训练样本对应系统工况下第k个节点的有功功率，Q_ik和Q_jk分别为第i个训练样本和第j个训练样本对应系统工况下第k个节点的无功功率，i和j均为自然数且1≤i≤N，1≤j≤N，i不等于j，N为训练样本的总个数；N_V、N_P、N_Q分别为计算三组相似度指标对应的感兴趣节点个数；感兴趣节点个数N_V为系统中节点电压等级大于预设电压等级的所有节点的总个数，感兴趣节点个数N_P和N_Q为系统中连接有发电机或负荷的所有节点的总个数；(3)利用降维后的训练样本对误差反向传播型神经网络进行训练，得到用于预测电力系统负荷能力极限的神经网络模型；(4)实时采集电力系统的状态信息，通过所述的神经网络模型计算出系统的负荷能力极限。