CN108776711A - 一种电力系统暂态样本数据提取方法及系统 - Google Patents
一种电力系统暂态样本数据提取方法及系统 Download PDFInfo
- Publication number
- CN108776711A CN108776711A CN201810187713.1A CN201810187713A CN108776711A CN 108776711 A CN108776711 A CN 108776711A CN 201810187713 A CN201810187713 A CN 201810187713A CN 108776711 A CN108776711 A CN 108776711A
- Authority
- CN
- China
- Prior art keywords
- power system
- sample data
- electrical power
- transient
- file
- 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
- 230000001052 transient effect Effects 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims abstract description 53
- 238000004088 simulation Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000010801 machine learning Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 12
- 238000013075 data extraction Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000011217 control strategy Methods 0.000 claims description 5
- 238000010248 power generation Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006641 stabilisation Effects 0.000 description 7
- 238000011105 stabilization Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000035800 maturation Effects 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种电力系统暂态样本数据提取方法及系统,将获取的电力系统设置参数输入至预先建立的仿真系统模型中,生成评估模型;利用机器学习算法提取所述评估模型中的电力系统暂态样本数据。本计算程序实现了在暂态稳定数据文本文件中自动批量生成和修改计算输入数据卡,并自动调用程序完成仿真工作,减轻了生成仿真数据的工作量,使用效果良好,明显提高工作效率。
Description
技术领域
本发明涉及电力大数据分析领域,具体涉及一种电力系统暂态样本数据提取方法及系统。
背景技术
基于大数据理论分析中,研究人员常常会遇到暂态失稳样本少、制造样本困难和特征提取难等问题。在电力系统暂态稳定分析中,如何获取样本成为一个比较难的问题,原因在于以下几点:
(1).电力系统真实数据中,失稳样本少、稳定样本多,导致样本不均衡,训练效果不佳。这种情况也存在于仿真过程中;
(2).仿真软件多,不同的仿真软件对应不同的批量制造样本的程序。对于MATLAB和其他科学计算程序编写的示例中,其优点是开源,可以方便更改系统内部细节,以及控制输出数据,缺点是由于原件建模不能及时更新,导致系统并不能反映真实电力系统的准确特征。PSD-BPA和PSASP,是国内进行电力系统计算和分析稳定的2个主流软件。在制造样本方面,PSD-BPA的优点在于已经封装了成熟的批量处理程序包,但是正是由于其封装成熟,在批量制造样本时,需要反复不断去更新故障卡及负荷水平等数据。PSASP的优点在于具有良好的可视化界面,可以方便鼠标点击操作,但是其接口开放少,不利于外部程序调用。
由此可知,随着人工智能算法和硬件条件的不断成熟,基于主流电力系统仿真软件自动生成暂态稳定分析用的大数据样本是急需解决的问题。
发明内容
为解决上述现有技术中的不足,本发明的目的是提供一种电力系统暂态样本数据提取方法及系统,克服现有技术中的失稳样本少、稳定样本多,导致样本不均衡,训练效果不佳的缺点。
本发明的目的是采用下述技术方案实现的:
本发明提供一种电力系统暂态稳定样本数据提取方法,其改进之处在于:
获取电力系统的潮流数据;
在预先设定的仿真场景条件下将所述潮流数据生成对应的稳定输出文件;
对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据。
进一步地:所述在预先设定的仿真场景条件下将所述电力系统的潮流数据生成对应的稳定输出文件,包括:
在预先设定的仿真场景条件下将所述获取的电力系统的潮流数据生成对应的潮流数据文件;
通过潮流状况自动生成算法遍历所述潮流数据文件对应的潮流库文件;
基于所述预先设定的仿真场景条件下的故障类型生成暂态文件批量计算文件;
根据所述潮流库文件对暂态文件批量计算文件进行暂态批处理计算,生成暂态文件批量计算文件对应的稳定输出文件。
进一步地:所述在预先设定的仿真场景条件下将所述电力系统的潮流数据生成对应的潮流数据文件,包括:
将所述电力系统的潮流数据生成所需的负荷水平文件,并将所述负荷水平文件生成电力系统设置参数中不同数据相应的潮流计算文件。
进一步地:在所述调用PSD-BPA仿真软件对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据之后,还包括:对所述产生的电力系统暂态样本数据进行优化。
进一步地:所述对所述产生的电力系统暂态样本数据进行优化包括:
对所述电力系统暂态样本数据进行平衡性验证;
在电力系统暂态样本数据与失稳样本极度不平衡时,对仿真的潮流数据设置并进行预测分类,若其预测结果属于失稳样本大的一方则放弃本次仿真,进行下一次仿真的潮流数据设置。
进一步地:在所述对所述产生的电力系统暂态样本数据进行优化之后还包括:
对优化后的电力系统暂态样本数据通过Python语言对其进行汇总,并按照预先设定的数据格式存储汇总后的电力系统暂态样本数据。
进一步地:所述预先设定的仿真场景条件包括潮流状态、故障类型和预计控制策略仿真场景条件。
进一步地:所述故障类型包括N-1故障和N-2故障。
进一步地:所述在预先设定的仿真场景条件下将所述电力系统设置参数生成对应的稳定输出文件和对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据基于PSD-BPA仿真软件实现。
进一步地:所述电力系统的潮流数据包括:发电和负荷数据。
本发明还提供一种电力系统暂态样本数据提取系统,其改进之处在于:
获取模块,用于获取电力系统的潮流数据;
生成模块,用于在预先设定的仿真场景条件下将所述电力系统的潮流数据生成对应的稳定输出文件;
提取模块,用于对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据。
进一步地:所述生成模块,包括:
第一产生单元,用于在预先设定的仿真场景条件下将所述获取的电力系统的潮流数据生成对应的潮流数据文件;
第二产生单元,用于通过潮流状况自动生成算法遍历所述潮流数据文件对应的潮流库文件;
第三产生单元,用于基于所述预先设定的仿真场景条件下的故障类型生成暂态文件批量计算文件;
第四产生单元,用于根据所述潮流库文件对暂态文件批量计算文件进行暂态批处理计算,生成暂态文件批量计算文件对应的稳定输出文件。
进一步地:所述第一产生单元,包括:
第一调用子单元,用于将所述电力系统的潮流数据生成所需的负荷水平文件;
第二调用子单元,用于将所述负荷水平文件生成电力系统的潮流数据中不同数据相应的潮流计算文件。
进一步地:还包括优化模块,用于在对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据之后,对所述产生的电力系统暂态样本数据进行优化。
进一步地:所述优化模块,包括:
验证单元,用于对所述电力系统暂态样本数据进行平衡性验证;
去除单元,用于利用机器学习算法对所述验证后的电力系统暂态样本数据进行预测,将大于预设故障集的多余电力系统暂态样本数据去除。
进一步地:还包括存储模块,用于在对所述产生的电力系统暂态样本数据进行优化之后,对优化后的电力系统暂态样本数据通过Python语言对其进行汇总,并按照预先设定的数据格式存储汇总后的电力系统暂态样本数据。
与最接近的现有技术相比,本发明提供的技术方案具有的有益效果是:
本发明采用:获取电力系统的潮流数据;在预先设定的仿真场景条件下将所述潮流数据生成对应的稳定输出文件;对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据。针对电网故障模拟仿真的四个环节(潮流状态设定、潮流计算、暂态计算、数据提取),在预先设定的仿真场景条件下通过仿真使得初始故障参数设置更加偏向于样本量较少的一方,使生成的稳定和失稳样本比例更加平衡,更加有利于训练更加丰富、多元、平衡的样本集,克服现有技术中的失稳样本少、稳定样本多,导致样本不均衡,训练效果不佳的缺点,减轻了多故障仿真时的重复工作带来的繁重工作量,并在潮流状态设定、暂态计算和数据提取三个方面实现自定义设定,充分考虑仿真需求的多样性。
附图说明
图1是本发明提供的BPA暂态稳定计算流程图;
图2是本发明提供的电力系统暂态样本数据提取方法的简易流程图;
图3是本发明提供的Pyhton调用BPA程序实现样本自动生成流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的组件和功能是可选的,并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。在本文中,本发明的这些实施方案可以被单独地或总地用术语“发明”来表示,这仅仅是为了方便,并且如果事实上公开了超过一个的发明,不是要自动地限制该应用的范围为任何单个发明或发明构思。
实施例一、
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例一、
如图1所示,本发明提供一种电力系统暂态样本数据提取方法,基于电力系统仿真软件,在其基础之上进行自动暂态稳定仿真,将其输出的主要特征时序特征结果进行自动保存的方法,包括下述步骤:
S11、获取电力系统的潮流数据;
潮流数据包括潮流状况和暂态稳定参数。其中潮流状况可以通过设置其发电和负荷的大小来改变,得到更合理更全面的状态数据。暂态稳定参数可以通过选择不同故障类型、故障时间、故障发生地点来实现多样化的故障情况设置。通过潮流状态和暂态故障的多样性选择,完成样本数据产生。
S12、在预先设定的仿真场景条件下将所述潮流数据生成对应的稳定输出文件;
本发明的目的是为了克服现有技术中的批量处理产生样本无稳定接口、人工仿真程序编写易出错以及数据提取困难的缺点,提出了一种基于Python和BPA的电力系统暂态样本自动仿真与数据提取方法,进一步解决了获取基础数据的便利性问题,且实现方法简单明了、技术路线清晰、结果可靠,可以有效辅助BPA平台,有效提升了BPA的商业价值与技术价值。
具体的,所述方法包括如下步骤:
(1).对所述研究的电力系统各种情况下的问题进行拆解分析,得到潮流状态、故障类型、预计控制策略等仿真的场景条件,并在电脑上创建所需工程文件夹路径和准备好所需的运行程序的环境。批量产生样本时,可加入相应的控制策略进行仿真分析,可使大数据分析时的样本更加丰富。
(2).产生所需的负荷水平文件,并重新命名。利用Python程序修改负荷水平文件中的输出负荷控制卡,自动产生大量的基础潮流样本,生成对应的潮流数据文件*.dat;
(3).通过潮流状况自动生成算法遍历所述潮流数据文件对应的潮流库文件*.bse,包括:构建潮流状况自动生成算法,首先通过已有的在线负荷数据,通过函数拟合方法得到负荷曲线函数F(x),其中x是时间点,F(x)为对应的负荷功率大小。然后对F(x)进行归一化处理,得到新的函数f(x),作为潮流调整程序中发电负荷同等比例放大系数。针对所有的x进行,执行调用BPA程序中的发电负荷设定程序,将f(x)值作为整体负荷放大系数等比例扩大(减少)系统发电和负荷的值,得到不同情况下的系统潮流状态信息即生成对应的。*dat输出文件。并调用BPA中的pfnt.exe程序对生成的后缀名为.dat文件的潮流状态信息进行潮流计算,得到对应状态的潮流计算结果文件后缀名为.bse的文件,操作简单。
(4).基于所述预先设定的仿真场景条件下的故障类型生成暂态文件批量计算文件*.flt:对于预想故障类型,批量自动填写并生成暂态文件批量计算*.flt。暂态文件批量计算*.flt中可包含具体控制策略、潮流信息、故障信息等。自动批量填写*.flt文件可节约仿真时间、人工填卡时间、提高数据的规整性能。
(5).根据所述潮流库文件对暂态文件批量计算文件进行暂态批处理计算,生成暂态文件批量计算文件对应的稳定输出文件:调用batBPA.exe暂态批量处理程序进行暂态批处理计算,产生对应的*.out文件。基于Python程序,调用PSD-BPA中批量处理程序,采用自动模拟键盘鼠标操作行为,进行自动样本仿真。
S13、对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据,包括:对稳定输出文件*.out文件进行信息提取、重命名并存于设定的文件夹中。
本发明充分考虑了用户的需求,为用户提供更多种选择各种暂态故障复合场景仿真并可添加了增加控制策略功能。
本发明为每个样本进行详细编码,可方便用户复原仿真过程以及挑选更加合适仿真样本,整个过程均是通过程序实现,操作快捷,过程准确。
本发明考虑了用户的非法操作以及软件中途报错,针对不用不正常的情况进行了预防,使用更加安全可靠。
实施例二、
如图2所示,在PSD-BPA潮流计算中,包括各元件模型参数以及网络结构的输入数据是以2进制格式保存在数据文件*.dat文件中;运行潮流计算程序(PFNT.exe)后得输出结果*.pfo文件和*.bse文件。其中*.pfo文件是潮流计算文本结果文件,*.bse文件是潮流计算二进制结果文件,该文件被用来当做稳定计算的输入文件之一,为稳定计算提供初始潮流信息。在稳定计算之前,需要确定对应的潮流结果文件,然后再执行稳定计算。在运行稳定计算程序时,稳定计算另一输入数据文件*.swi文件存有发电机模型的参数以及故障信息。稳定计算结束后,稳定计算输出结果包括*.out文本文件、二进制曲线文件*.cur文件。
当利用PSD-BPA潮流计算生成样本库时,需要模拟计算随机潮流状态的数量是巨大的。例如仿真1000个潮流水平,每个潮流状态下随机设置30个故障样本,此时需要手动去设置1000个.dat文件并计算;在此基础上对应每一潮流数据,修改swi文件首行注释,连续仿真30处故障。工作量大而且容易出错。因此,有必要在PSD-BPA程序基础上开发自动调用程序来解决上述问题。因此通过编制Python语言程序,调用PSD-BPA潮流和暂稳计算程序,自动完成潮流计算和稳定计算。在计算过程中,根据需求自动修改潮流输入文本文件,自动保存计算结果,不需要人工干预,很好地解决了仿真计算的速度与效率问题。
下面详细介绍整个实现过程,程序流程如图3所示。
本程序首先使用程序1,创立dat项目文件夹连续产生所需的.dat文件,调用潮流计算程序(pfnt.exe)后对.dat文件夹中的.dat文件进行潮流计算产生.bse文件,对产生*.bse文件重新命名并拷贝到新建立的bse文件中。准备.flt和swi文件,然后提取.bse,.swi和.flt文件的路径,利用程序2调用PSD-BPA中的pfnt.exe程序遍历*.dat文件,产生对应的*.bse文件。最后利用程序3调用batBPA.exe暂态批量处理程序进行暂态批处理计算,对输出*.out文件进行信息提取、重命名并存于新的文件夹中。其中:
应用程序1:即所说的通过潮流状况自动潮流生成算法。首先拟合常规负荷曲线,得到函数F(x),对F(x)进行归一化处理,得到新的函数f(x),针对所有的x进行,执行调用BPA程序中的发电负荷设定程序,求得f(x)值作为整体负荷放大系数等比例扩大(减少)系统发电和负荷的值,得到不同情况下的系统潮流状态信息。
应用程序2:对所述电力系统暂态样本数据进行平衡性验证;以及在电力系统暂态样本数据与失稳样本极度不平衡时,对仿真的潮流数据设置并进行预测分类,若其预测结果属于失稳样本大的一方则放弃本次仿真,进行下一次仿真的潮流数据设置。
应用程序2基于支持向量机算法,针对电力系统暂态故障后的样本稳定性和原始潮流数据、故障数据建立快速分类评估模型,实现计算过程中提前预测,实现最后生成的样本更加平衡。
应用程序3:对优化后的电力系统暂态样本数据通过Python语言对其进行汇总,并按照预先设定的数据格式存储汇总后的电力系统暂态样本数据。
本文开发的计算程序实现了在暂态稳定数据文本文件中自动批量生成和修改计算输入数据卡,并自动调用程序完成仿真工作,减轻了生成仿真数据的工作量,使用效果良好,明显提高工作效率。在保证了仿真样本覆盖足够空间范围的前提下,实现了对电网的快速仿真。
实施例三、
基于同样的发明构思,本发明还提供一种电力系统暂态样本数据提取系统,包括:
获取模块,用于获取电力系统的潮流数据;
生成模块,用于在预先设定的仿真场景条件下将所述电力系统的潮流数据生成对应的稳定输出文件;
提取模块,用于对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据。
进一步地:所述生成模块,包括:
第一产生单元,用于在预先设定的仿真场景条件下将所述获取的电力系统的潮流数据生成对应的潮流数据文件;
第二产生单元,用于通过潮流状况自动生成算法遍历所述潮流数据文件对应的潮流库文件;
第三产生单元,用于基于所述预先设定的仿真场景条件下的故障类型生成暂态文件批量计算文件;
第四产生单元,用于根据所述潮流库文件对暂态文件批量计算文件进行暂态批处理计算,生成暂态文件批量计算文件对应的稳定输出文件。
进一步地:所述第一产生单元,包括:
第一调用子单元,用于将所述电力系统的潮流数据生成所需的负荷水平文件;
第二调用子单元,用于将所述负荷水平文件生成电力系统的潮流数据中不同数据相应的潮流计算文件。
进一步地:还包括优化模块,用于在对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据之后,对所述产生的电力系统暂态样本数据进行优化。
进一步地:所述优化模块,包括:
验证单元,用于对所述电力系统暂态样本数据进行平衡性验证;
去除单元,用于利用机器学习算法对所述验证后的电力系统暂态样本数据进行预测,将大于预设故障集的多余电力系统暂态样本数据去除。
进一步地:还包括存储模块,用于在对所述产生的电力系统暂态样本数据进行优化之后,对优化后的电力系统暂态样本数据通过Python语言对其进行汇总,并按照预先设定的数据格式存储汇总后的电力系统暂态样本数据。
本发明提供了一种电力系统暂态稳定大量样本数据的自动仿真与数据提取方法。针对未来人工智能技术应用于电力系统暂态稳定评估时所面临的分析样本数量少、传统手动仿真挑选样本极为耗时等问题,提出了一套基于已有成熟的仿真软件BPA的自动处理模拟仿真故障并自动提取结果的方法。并针对电力系统暂态稳定问题中样本极度不平衡的情况,提出了基于支持向量机算法的自动仿真方法,通过对训练参数输入进行优化方法,使得初始故障参数设置更加偏相向与样本量较少的一方,使生成的稳定和失稳样本比例更加平衡,更加有利于训练更加丰富、多元、平衡的样本集。最终实现仿真过程自动化,算例结果保存更加多样化,同时也节约了大量人工时间成本。本发明技术概念明晰,方法简单,计算可靠且在保证了仿真样本覆盖足够空间范围的前提下,实现了样本类型更加平衡,结果保存更加多元,计算过程更加智能的特点。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。
Claims (16)
1.一种电力系统暂态稳定样本数据提取方法,其特征在于:
获取电力系统的潮流数据;
在预先设定的仿真场景条件下将所述潮流数据生成对应的稳定输出文件;
对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据。
2.如权利要求1所述的电力系统暂态样本数据提取方法,其特征在于:所述在预先设定的仿真场景条件下将所述电力系统的潮流数据生成对应的稳定输出文件,包括:
在预先设定的仿真场景条件下将所述获取的电力系统的潮流数据生成对应的潮流数据文件;
遍历所述潮流数据文件生成对应的潮流库文件;
基于所述预先设定的仿真场景条件下的故障类型生成暂态文件批量计算文件;
根据所述潮流库文件对暂态文件批量计算文件进行暂态批处理计算,生成暂态文件批量计算文件对应的稳定输出文件。
3.如权利要求2所述的电力系统暂态样本数据提取方法,其特征在于:所述在预先设定的仿真场景条件下将所述电力系统的潮流数据生成对应的潮流数据文件,包括:
将所述电力系统的潮流数据生成所需的负荷水平文件,并将所述负荷水平文件生成电力系统设置参数中不同数据相应的潮流计算文件。
4.如权利要求1所述的电力系统暂态样本数据提取方法,其特征在于:在对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据之后,还包括:对所述产生的电力系统暂态样本数据进行优化。
5.如权利要求4所述的电力系统暂态样本数据提取方法,其特征在于:所述对所述产生的电力系统暂态样本数据进行优化包括:
对所述电力系统暂态样本数据进行平衡性验证;
在电力系统暂态样本数据与失稳样本极度不平衡时,对仿真的潮流数据设置并进行预测分类,若其预测结果属于失稳样本大的一方则放弃本次仿真,进行下一次仿真的潮流数据设置。
6.如权利要求4所述的电力系统暂态样本数据提取方法,其特征在于:在所述对所述产生的电力系统暂态样本数据进行优化之后还包括:
对优化后的电力系统暂态样本数据通过Python语言对其进行汇总,并按照预先设定的数据格式存储汇总后的电力系统暂态样本数据。
7.如权利要求2或3所述的电力系统暂态样本数据提取方法,其特征在于:所述预先设定的仿真场景条件包括潮流状态、故障类型和预计控制策略仿真场景条件。
8.如权利要求7所述的电力系统暂态样本数据提取方法,其特征在于:所述故障类型包括N-1故障和N-2故障。
9.如权利要求2所述的电力系统暂态样本数据提取方法,其特征在于:所述在预先设定的仿真场景条件下将所述电力系统设置参数生成对应的稳定输出文件和对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据基于PSD-BPA仿真软件实现。
10.如权利要求3所述的电力系统暂态样本数据提取方法,其特征在于:所述电力系统的潮流数据包括:发电和负荷数据。
11.一种电力系统暂态样本数据提取系统,其特征在于:
获取模块,用于获取电力系统的潮流数据;
生成模块,用于在预先设定的仿真场景条件下将所述电力系统的潮流数据生成对应的稳定输出文件;
提取模块,用于对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据。
12.如权利要求11所述的电力系统暂态样本数据提取系统,其特征在于:所述生成模块,包括:
第一产生单元,用于在预先设定的仿真场景条件下将所述获取的电力系统的潮流数据生成对应的潮流数据文件;
第二产生单元,用于通过潮流状况自动生成算法遍历所述潮流数据文件对应的潮流库文件;
第三产生单元,用于基于所述预先设定的仿真场景条件下的故障类型生成暂态文件批量计算文件;
第四产生单元,用于根据所述潮流库文件对暂态文件批量计算文件进行暂态批处理计算,生成暂态文件批量计算文件对应的稳定输出文件。
13.如权利要求11所述的电力系统暂态样本数据提取系统,其特征在于:所述第一产生单元,包括:
第一调用子单元,用于将所述电力系统的潮流数据生成所需的负荷水平文件;
第二调用子单元,用于将所述负荷水平文件生成电力系统的潮流数据中不同数据相应的潮流计算文件。
14.如权利要求11所述的电力系统暂态样本数据提取系统,其特征在于:还包括优化模块,用于在对所述稳定输出文件进行暂态批处理,提取电力系统暂态稳定样本数据之后,对所述产生的电力系统暂态样本数据进行优化。
15.如权利要求14所述的电力系统暂态样本数据提取系统,其特征在于:所述优化模块,包括:
验证单元,用于对所述电力系统暂态样本数据进行平衡性验证;
去除单元,用于利用机器学习算法对所述验证后的电力系统暂态样本数据进行预测,将大于预设故障集的多余电力系统暂态样本数据去除。
16.如权利要求11所述的电力系统暂态样本数据提取系统,其特征在于:还包括存储模块,用于在对所述产生的电力系统暂态样本数据进行优化之后,对优化后的电力系统暂态样本数据通过Python语言对其进行汇总,并按照预先设定的数据格式存储汇总后的电力系统暂态样本数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810187713.1A CN108776711A (zh) | 2018-03-07 | 2018-03-07 | 一种电力系统暂态样本数据提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810187713.1A CN108776711A (zh) | 2018-03-07 | 2018-03-07 | 一种电力系统暂态样本数据提取方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108776711A true CN108776711A (zh) | 2018-11-09 |
Family
ID=64033537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810187713.1A Pending CN108776711A (zh) | 2018-03-07 | 2018-03-07 | 一种电力系统暂态样本数据提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108776711A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109698504A (zh) * | 2019-03-08 | 2019-04-30 | 张文韬 | 潮流计算结果分析方法及系统 |
CN111896837A (zh) * | 2019-05-05 | 2020-11-06 | 中国电力科学研究院有限公司 | 一种暂态电流信号提取方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968062A (zh) * | 2012-11-22 | 2013-03-13 | 广东电网公司电力调度控制中心 | 基于psd-bpa的暂态稳定控制批处理计算的实现方法 |
CN103532134A (zh) * | 2013-10-10 | 2014-01-22 | 清华大学 | 一种电力系统安全稳定控制措施有效性的自动校验方法 |
CN105512799A (zh) * | 2015-11-26 | 2016-04-20 | 中国电力科学研究院 | 一种基于海量在线历史数据的电力系统暂态稳定评估方法 |
CN105975992A (zh) * | 2016-05-18 | 2016-09-28 | 天津大学 | 一种基于自适应升采样的不平衡数据集分类方法 |
CN106709598A (zh) * | 2016-12-15 | 2017-05-24 | 全球能源互联网研究院 | 一种基于单类样本的电压稳定性预测判断方法 |
-
2018
- 2018-03-07 CN CN201810187713.1A patent/CN108776711A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968062A (zh) * | 2012-11-22 | 2013-03-13 | 广东电网公司电力调度控制中心 | 基于psd-bpa的暂态稳定控制批处理计算的实现方法 |
CN103532134A (zh) * | 2013-10-10 | 2014-01-22 | 清华大学 | 一种电力系统安全稳定控制措施有效性的自动校验方法 |
CN105512799A (zh) * | 2015-11-26 | 2016-04-20 | 中国电力科学研究院 | 一种基于海量在线历史数据的电力系统暂态稳定评估方法 |
CN105975992A (zh) * | 2016-05-18 | 2016-09-28 | 天津大学 | 一种基于自适应升采样的不平衡数据集分类方法 |
CN106709598A (zh) * | 2016-12-15 | 2017-05-24 | 全球能源互联网研究院 | 一种基于单类样本的电压稳定性预测判断方法 |
Non-Patent Citations (5)
Title |
---|
候金秀: ""基于电压相量和深度学习的电力系统暂态稳定快速评估"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, 15 February 2018 (2018-02-15), pages 44 - 58 * |
刘晨晖等: "《电力系统无功功率分布与电压调节》", 28 February 1993, 中国地质大学出版社, pages: 50 * |
易杨等: ""PSD-BPA潮流计算数据卡的自动批量生成和修改"", 《电力系统自动化》, vol. 37, no. 10, 25 May 2013 (2013-05-25), pages 124 - 128 * |
朱乔木等: ""基于堆叠自动编码器的电力系统暂态稳定评估"", 《中国电机工程学报》, vol. 38, no. 10, 12 June 2017 (2017-06-12), pages 2937 - 2947 * |
桂州等: ""基于PCA-SMOTE-随机森林的地质不平衡数据分类方法"", 《桂林理工大学学报》, vol. 37, no. 4, 30 November 2017 (2017-11-30), pages 589 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109698504A (zh) * | 2019-03-08 | 2019-04-30 | 张文韬 | 潮流计算结果分析方法及系统 |
CN111896837A (zh) * | 2019-05-05 | 2020-11-06 | 中国电力科学研究院有限公司 | 一种暂态电流信号提取方法及装置 |
CN111896837B (zh) * | 2019-05-05 | 2024-04-16 | 中国电力科学研究院有限公司 | 一种暂态电流信号提取方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10867087B2 (en) | Systems and methods for real-time DC microgrid power analytics for mission-critical power systems | |
Krishnan et al. | Efficient database generation for decision tree based power system security assessment | |
Kamwa et al. | Fuzzy partitioning of a real power system for dynamic vulnerability assessment | |
US9092593B2 (en) | Systems and methods for intuitive modeling of complex networks in a digital environment | |
Xu et al. | A decomposition-based practical approach to transient stability-constrained unit commitment | |
CN102074955B (zh) | 基于知识发现技术的电力系统稳定评估及控制方法 | |
CN104809932B (zh) | 一种核电厂数字化安全级控制系统模拟装置 | |
CN106786560A (zh) | 一种电力系统稳定特征自动提取方法及装置 | |
CN109102146B (zh) | 基于多参数线性规划的电力系统风险评估加速方法 | |
CN103150600A (zh) | 一种电网安全分析系统 | |
CN102890735A (zh) | 稳控装置的策略表和策略搜索匹配的建模方法 | |
CN111221520B (zh) | 电力系统控制器控制算法生成方法、设备及可读存储介质 | |
CN106168993A (zh) | 电网实时仿真分析平台 | |
CN108776711A (zh) | 一种电力系统暂态样本数据提取方法及系统 | |
Yuan et al. | Multi-source data processing and fusion method for power distribution internet of things based on edge intelligence | |
CN106505624A (zh) | 确定配电网分布式电源最优吸纳能力的调控系统及方法 | |
CN106097137A (zh) | 一种基于用电信息采集系统的差异化防窃电监测系统 | |
CN203102283U (zh) | 一种基于实时数字仿真仪rtds的风电场建模仿真系统 | |
CN103886419A (zh) | 一种电网运行方式规划校核分析系统 | |
CN113850017A (zh) | 一种基于潮流变化图谱的系统级故障分析系统及方法 | |
CN107069742B (zh) | 基于Python与PSD-BPA的电力系统连续潮流计算系统 | |
Jardim et al. | Design features of a dynamic security assessment system | |
Manbachi et al. | Virtualized Experiential Learning Platform (VELP) for Smart Grids and Operational Technology Cybersecurity | |
CN110112742A (zh) | 一种基于matpower的电网自动化潮流分析方法 | |
WO2009042772A1 (en) | Systems and methods for intuitive modeling of complex networks in a digital environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |