CN104319762A - 一种在线识别电力系统同调机群的新方法 - Google Patents
一种在线识别电力系统同调机群的新方法 Download PDFInfo
- Publication number
- CN104319762A CN104319762A CN201410515964.XA CN201410515964A CN104319762A CN 104319762 A CN104319762 A CN 104319762A CN 201410515964 A CN201410515964 A CN 201410515964A CN 104319762 A CN104319762 A CN 104319762A
- Authority
- CN
- China
- Prior art keywords
- pmu
- data
- electric power
- power system
- alpha
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种在线识别电力系统同调机群的新方法。首先,由PMU量测到故障后发电机组的实时功角轨迹信息;然后,对PMU量测信息进行归一化预处理,生成标准数据;最后,利用改进的支持向量机算法对标准数据进行分类,得到最终的同调机群在线识别结果。通过上述方法,可以针对电力系统所有运行方式和可能发生的故障类型,通过PMU在线实时量测数据,采用改进的支持向量机算法,解决了现有方法计算量大,计算时间长,容易造成维数灾等问题,在快速准确地进行同调机群在线识别的基础上,提高了电力系统的安全稳定水平。
Description
技术领域
本发明涉及一种在线识别电力系统同调机群的新方法,属于电力系统稳定与控制的技术领域。
背景技术
电力系统的安全可靠运行与国民经济和人民生活息息相关。现代电力系统的大规模互联,客观上导致了其存在大停电的可能性。当电力系统发生局部失步振荡而缺乏适当的解列措施时,容易引起连锁反应,甚至会导致全网大停电事故。因而,在严重振荡时,快速准确地识别出同调机群,进行适当的解列操作,对快速平息电力系统的振荡,避免事故的进一步扩大具有重要的意义。
如何自动识别同调机群是解列问题的核心。现有识别同调机群的方法具有计算量大,计算时间长,公式推导复杂,容易造成维数灾等缺点,有时候甚至会得到错误的分群结果,从而导致不适当的解列措施。另外,现有识别方法由于计算量大,只能适用于当前电力系统的运行方式,一旦电力系统运行方式发生改变,就需要重新进行大量的计算,耗时较多,不适合在线应用。
发明内容
为了克服现有方法的缺点,本发明提供了一种在线识别电力系统同调机群的新方法,可以针对电力系统所有运行方式和可能发生的故障类型,通过PMU在线实时量测数据,采用改进的支持向量机算法,解决了现有方法计算量大,计算时间长,容易造成维数灾等问题,可以快速准确地进行同调机群在线识别,提高电力系统的安全稳定水平。
本发明所采用的技术方案是:
首先,由PMU量测到故障后发电机组的实时功角轨迹信息;然后,对PMU量测信息进行归一化预处理,生成标准数据;最后,利用改进的支持向量机算法对标准数据进行分类,得到最终的同调机群在线识别结果。通过上述方法,可以有效克服现有方法的缺点,且兼具快速性和准确性。通过对甘肃电网750kV系统的分析,验证了所提方法能在线准确识别系统中的同调机群。
附图说明
图1为甘肃电网750kV结构图;
图2为PMU量测的发电机实时功角轨迹图;
图3为Gauss径向基核函数参数g和惩罚系数C的最优取值区间图。
图1中:1代表酒泉热电厂G1;2代表酒钢电厂G1;3代表金昌电厂G1;4代表连城电厂G3;5代表景泰电厂G1;6代表靖远电厂G5;7代表范家坪电厂G2;8代表甘谷电厂G1;9代表平凉电厂G1;10代表崇信电厂G1。
具体实施方式
上述在线识别电力系统同调机群的新方法,按照以下步骤进行:
a.由PMU量测到故障后发电机组的实时功角轨迹信息;
b.对PMU量测信息进行归一化预处理,生成标准数据;
c.利用改进的支持向量机算法对标准数据进行分类,得到最终的同调机群在线识别结果。
本发明在线识别电力系统同调机群的新方法中,由PMU量测到故障后发电机组的实时功角轨迹信息的方法如下:
①在电力系统中每个额定有功功率PN不小于300MW的发电机组上配置PMU装置,构成数据采集子站,对发电机组的实时功角数据进行采集;PMU的数据采样频率设定为100次/秒,即每相邻两个采样点的时间间隔为0.01秒。
②将PMU数据采集子站的数据实时传送至PMU分析主站进行汇总,得到全系统的实时功角轨迹信息。
本发明在线识别电力系统同调机群的新方法中,对PMU量测信息进行归一化预处理的方法如下:
将PMU量测的原始数据规整到[-1,1]区间内,生成标准数据。其归一化映射如下:
其中,x,y∈Rn;x为原始数据,y为归一化后的标准数据。
本发明在线识别电力系统同调机群的新方法中,利用改进的支持向量机算法对数据进行分类的方法如下:
①引入Gauss径向基核函数参数g和惩罚系数C。
非线性问题下支持向量机的目标函数为:
其中,xi∈Rd,类别标号yi∈{1,-1};ω为d维向量,b为待求常量,ξi为松弛因子,C为惩罚系数。结合Lagrange方法和对偶原理,该目标函数可转化为:
其中,αi为Lagrange乘子,K(xi,xj)表示选取的Gauss径向基核函数。该核函数能准确地描绘数据的分布结构,其表达式为:式中g为核函数的宽度。
求解该问题后得到最优解则最优分类超平面为:
其中,
②采用交叉验证法确定Gauss径向基核函数参数g和惩罚系数C的最优值。
交叉验证法的具体步骤如下:
a.设原始数据有n个样本,选择n-1个样本作为训练样本,剩余的一个样本单独作验证样本,如此循环选取,可得n个模型,这n个模型识别准确率的平均值就是当前参数下分类器的性能指标。
b.若当前参数下的分类准确率达不到要求,则将当前参数数值上加0.1或减0.1分别进行下一次交叉验证,直至准确率达到最高。此时的核函数参数g和惩罚系数C的取值便是最优值,采用该最优参数的分类器效果达到最佳。
实例分析
以甘肃电网750kV系统为例,采用本发明解决同调机群在线识别问题的新方法,进行了仿真验证。
选取甘肃电网中具有代表性的、额定有功功率不小于300MW的10台发电机组构成识别同调机群的样本集,分别为1号机:酒泉热电厂G1;2号机:酒钢电厂G1;3号机:金昌电厂G1;4号机:连城电厂G3;5号机:景泰电厂G1;6号机:靖远电厂G5;7号机:范家坪电厂G2;8号机:甘谷电厂G1;9号机:平凉电厂G1;10号机:崇信电厂G1。甘肃750kV电网结构如图1所示。
假设线路河西-武胜50%处在0s时发生单回路三相瞬时短路故障,故障持续时间为0.1s,故障切除后系统未发生失稳,且保持稳定状态,仿真时间设为5.0s。PSASP仿真得到的各发电机功角轨迹曲线,如图2所示。
利用PMU提取故障发生后各发电机功角轨迹数据,每两个数据采集点时间间隔为0.01s。再将数据进行归一化处理,得到标准数据。然后在MATLAB中采用交叉验证法确定参数g和惩罚系数C的最优值,得到最优的分类模型。
根据图3中的交叉验证结果,令log2g在[-3,0]内取任意值,log2C在[-5,5]内取任意值,可使模型识别准确率达到最优。最后,使用此分类识别模型对测试集的功角数据进行分类,并得到最终的同调机群在线识别结果,如表1所示。
表1 同调机群在线识别结果
结果表明,甘肃电网的发电机组可以分为2群,其中1号、2号发电机组为第1群,3号、4号、5号、6号、7号、8号、9号、10号发电机组为第2群。
Claims (5)
1.一种在线识别电力系统同调机群的新方法,其特征是:首先,由PMU量测到故障后发电机组的实时功角轨迹信息;然后,对PMU量测信息进行归一化预处理,生成标准数据;最后,利用改进的支持向量机算法对标准数据进行分类,得到最终的同调机群在线识别结果。
2.根据权利要求1所述的一种在线识别电力系统同调机群的新方法,其特征是,本发明所述方法按照以下步骤进行:
a.由PMU量测到故障后发电机组的实时功角轨迹信息;
b.对PMU量测信息进行归一化预处理,生成标准数据;
c.利用改进的支持向量机算法对标准数据进行分类,得到最终的同调机群在线识别结果。
3.根据权利要求2所述的一种在线识别电力系统同调机群的新方法,其特征是,由PMU量测到故障后发电机组的实时功角轨迹信息的方法如下:
①在电力系统中每个额定有功功率PN不小于300MW的发电机组上配置PMU装置,构成数据采集子站,对发电机组的实时功角数据进行采集;PMU的数据采样频率设定为100次/秒,即每相邻两个采样点的时间间隔为0.01秒。
②将PMU数据采集子站的数据实时传送至PMU分析主站进行汇总,得到全系统的实时功角轨迹信息。
4.根据权利要求2所述的一种在线识别电力系统同调机群的新方法,其特征是,对PMU量测信息进行归一化预处理的方法如下:
将PMU量测的原始数据规整到[-1,1]区间内,生成标准数据。其归一化映射如下:
其中,x,y∈Rn;x为原始数据,y为归一化后的标准数据。
5.根据权利要求2所述的一种在线识别电力系统同调机群的新方法,其特征是,利用改进的支持向量机算法对标准数据进行分类的方法如下:
①引入Gauss径向基核函数参数g和惩罚系数C。
非线性问题下支持向量机的目标函数为:
其中,xi∈Rd,类别标号yi∈{1,-1};ω为d维向量,b为待求常量,ξi为松弛因子,C为惩罚系数。结合Lagrange方法和对偶原理,该目标函数可转化为:
其中,αi为Lagrange乘子,K(xi,xj)表示选取的Gauss径向基核函数。该核函数能准确地描绘数据的分布结构,其表达式为:式中g为核函数的宽度。
求解该问题后得到最优解则最优分类超平面为:
其中,
②采用交叉验证法确定Gauss径向基核函数参数g和惩罚系数C的最优值。
交叉验证法的具体步骤如下:
a.设原始数据有n个样本,选择n-1个样本作为训练样本,剩余的一个样本单独作验证样本,如此循环选取,可得n个模型,这n个模型识别准确率的平均值就是当前参数下分类器的性能指标。
b.若当前参数下的分类准确率达不到要求,则将当前参数数值上加0.1和减0.1分别进行下一次交叉验证,直至准确率达到最高。此时的核函数参数g和惩罚系数C的取值便是最优值,采用该最优参数的分类器效果达到最佳。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410515964.XA CN104319762A (zh) | 2014-09-30 | 2014-09-30 | 一种在线识别电力系统同调机群的新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410515964.XA CN104319762A (zh) | 2014-09-30 | 2014-09-30 | 一种在线识别电力系统同调机群的新方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104319762A true CN104319762A (zh) | 2015-01-28 |
Family
ID=52374961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410515964.XA Pending CN104319762A (zh) | 2014-09-30 | 2014-09-30 | 一种在线识别电力系统同调机群的新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104319762A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105429138A (zh) * | 2015-12-11 | 2016-03-23 | 清华大学 | 基于小波变换的同调机群识别方法及装置 |
WO2017016019A1 (zh) * | 2015-07-28 | 2017-02-02 | 天津大学 | 一种电力系统广域同调辨识方法及其装置 |
CN109871831A (zh) * | 2019-03-18 | 2019-06-11 | 太原理工大学 | 一种情感识别方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090099798A1 (en) * | 2007-10-09 | 2009-04-16 | Yanfeng Gong | Real-Time Power System Oscillation Detection Using Modal Analysis |
CN102567605A (zh) * | 2010-12-22 | 2012-07-11 | 俞孟蕻 | 基于蚁群和支持向量机算法的船舶电力负荷分配方法 |
CN103425883A (zh) * | 2013-08-09 | 2013-12-04 | 中国南方电网有限责任公司 | 一种基于投影寻踪的跨区互联大电网同调辨识方法 |
-
2014
- 2014-09-30 CN CN201410515964.XA patent/CN104319762A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090099798A1 (en) * | 2007-10-09 | 2009-04-16 | Yanfeng Gong | Real-Time Power System Oscillation Detection Using Modal Analysis |
CN102567605A (zh) * | 2010-12-22 | 2012-07-11 | 俞孟蕻 | 基于蚁群和支持向量机算法的船舶电力负荷分配方法 |
CN103425883A (zh) * | 2013-08-09 | 2013-12-04 | 中国南方电网有限责任公司 | 一种基于投影寻踪的跨区互联大电网同调辨识方法 |
Non-Patent Citations (2)
Title |
---|
傅松等: "基于发电机实测功角曲线的同调机组识别方法", 《内蒙古石油化工》 * |
牛丽: "基于广域测量的负荷动特性建模研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017016019A1 (zh) * | 2015-07-28 | 2017-02-02 | 天津大学 | 一种电力系统广域同调辨识方法及其装置 |
CN105429138A (zh) * | 2015-12-11 | 2016-03-23 | 清华大学 | 基于小波变换的同调机群识别方法及装置 |
CN105429138B (zh) * | 2015-12-11 | 2019-02-05 | 清华大学 | 基于小波变换的同调机群识别方法及装置 |
CN109871831A (zh) * | 2019-03-18 | 2019-06-11 | 太原理工大学 | 一种情感识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zeng et al. | Online identification of inertia distribution in normal operating power system | |
Xie et al. | Dimensionality reduction of synchrophasor data for early event detection: Linearized analysis | |
Kamwa et al. | Fuzzy partitioning of a real power system for dynamic vulnerability assessment | |
Hajnoroozi et al. | Generating unit model validation and calibration through synchrophasor measurements | |
CN103245881B (zh) | 一种基于潮流分布特征的配电网故障分析方法及装置 | |
CN102074955B (zh) | 基于知识发现技术的电力系统稳定评估及控制方法 | |
CN103870923B (zh) | 基于信息熵的凝聚型层次聚类算法的风电场机群聚合方法 | |
CN106529731A (zh) | 一种区域电网光伏电站集群划分方法 | |
CN109713685A (zh) | 一种适用于vsc接入引发次同步振荡的在线定位方法 | |
Matthews et al. | Leveraging mapreduce and synchrophasors for real-time anomaly detection in the smart grid | |
CN105098763A (zh) | 一种基于wams和ems的暂态电压稳定在线评估方法 | |
CN102364490B (zh) | 基于层次分析模型的自动同调识别方法 | |
CN105092997B (zh) | 一种特高压输电线路雷电绕击与反击的识别方法 | |
CN104966161A (zh) | 一种基于高斯混合模型的电能质量录波数据计算分析方法 | |
CN106503279B (zh) | 一种用于电力系统暂态稳定评估的建模方法 | |
CN107590604B (zh) | 一种结合s变换和2dpca的同调机组分群方法及系统 | |
CN102664409B (zh) | 一种基于实测数据风电场风电功率实时预测的计算方法 | |
CN104319762A (zh) | 一种在线识别电力系统同调机群的新方法 | |
Luo et al. | Graph convolutional network-based interpretable machine learning scheme in smart grids | |
CN103400046A (zh) | 适用于电网广域监测系统的数据建模方法及应用 | |
CN108805419B (zh) | 基于网络嵌入与支持向量回归的电网节点重要度计算方法 | |
Jana et al. | Transmission line fault pattern recognition using decision tree based smart fault classifier in a large power network | |
CN107679733A (zh) | 一种电网稳定态势的量化评估方法 | |
CN109861220B (zh) | 电力系统分析用深度卷积神经网络张量输入构建方法 | |
Wu et al. | Research on a location method for complex voltage sag sources based on random matrix theory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150128 |