CN110649627B - 一种基于gbrt的静态电压稳定裕度评估方法及系统 - Google Patents

一种基于gbrt的静态电压稳定裕度评估方法及系统 Download PDF

Info

Publication number
CN110649627B
CN110649627B CN201911029678.1A CN201911029678A CN110649627B CN 110649627 B CN110649627 B CN 110649627B CN 201911029678 A CN201911029678 A CN 201911029678A CN 110649627 B CN110649627 B CN 110649627B
Authority
CN
China
Prior art keywords
stability margin
static voltage
voltage stability
gbrt
node
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.)
Active
Application number
CN201911029678.1A
Other languages
English (en)
Other versions
CN110649627A (zh
Inventor
肖繁
饶渝泽
周友斌
周鲲鹏
王涛
曹侃
王莹
刘海光
张宇帆
艾芊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
Shanghai Jiaotong University
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University, Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical Shanghai Jiaotong University
Priority to CN201911029678.1A priority Critical patent/CN110649627B/zh
Publication of CN110649627A publication Critical patent/CN110649627A/zh
Application granted granted Critical
Publication of CN110649627B publication Critical patent/CN110649627B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02E40/30—Reactive power compensation
    • 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
    • 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
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于GBRT的静态电压稳定裕度评估方法及系统，其特征在于，分为离线和在线两个部分；所述离线训练数据库在线下建立，旨在涵盖尽可能多的网架结构，提升GBRT的泛化能力；并基于GBRT和最优潮流建立测量值与静态电压稳定裕度的非线性关系：在线评估在于根据所述离线部分建立的非线性关系，结合当前PMU的实时测量情况，预测电力系统当前静态电压稳定裕度，并在稳定性不足时给调度人员予以必要提醒。本发明还计算了节点重要性指标，并优先在重要节点布置PMU，以更小的经济成本获取误差容许范围内的预测指标，经济性更好。本发明结合了机理建模与数据挖掘的优点，实时性好、准确性高。

Description

一种基于GBRT的静态电压稳定裕度评估方法及系统
技术领域
本发明涉及电力系统静态电压稳定裕度评估技术领域，尤其涉及一种基于GBRT的静态电压稳定裕度评估方法及系统。
背景技术
随着特高压直流输电的发展，电网“强直弱交”的问题日益突出，主要表现为在电源集中地区无功过剩，而在负荷集中地区无功不足。受电端无功短缺而引起的电压稳定问题已经成为一系列大停电事故的诱因。为此，国家电网公司启动新一代大型同步调相机项目，旨在对换流站近区交流系统起到一定的无功支撑作用，如何将调相机与换流站现有的无功补偿装置进行配合是需要考虑的问题。而无功功率与电压密切相关，因此，有必要研究近区交流系统的静态电压稳定裕度(voltage stability margin, VSM)在线监测问题，从而为无功补偿装置实时配合策略提供一定的依据。
目前，针对电力系统静态电压稳定机理的研究主要从机理建模和数据驱动两方面展开。基于机理建模的电压稳定裕度判断方法在系统规模扩大的情况下求取时间较长，难以满足电压稳定裕度在线监测实时性的要求。而现有的数据挖掘算法如支撑向机量回归、决策树等存在预测精度较低的问题。随着广域量测系统(wide area measurement system,WAMS)在电力系统中的部署，利用WAMS中的同步相量测量单元(phasor measurement unit,PMU)提供的数据资源，可以进行静态电压稳定性的分析，能够满足在线电压稳定监测实时性的要求。
因此，本领域的技术人员致力于开发一种基于梯度提升决策树(gradientboosting regression tree,GBRT)的静态电压稳定裕度评估方法及系统，解决单纯采用模型驱动实时性差的缺点，提高实时预测下的静态电压稳定裕度预测精度及降低PMU布置成本。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何通过合理的设计，提高静态电压稳定裕度预测的预测速度及预测精度，并提升在测量噪声存在情况下的抗干扰能力，同时还能够减少PMU的部署数量以降低经济成本。
为实现上述目的，本发明提供了一种基于GBRT的静态电压稳定裕度评估方法，所述方法包括以下步骤：
步骤1、对于给定的电力系统网络拓扑，按照N-1情况，针对各自网架结构建立用于离线训练的负荷潮流数据库；
步骤2、对于给定的所述网架结构及所述负荷潮流数据库中任意的运行点数据，根据静态电压稳定裕度评估模型，求解所述网架结构在各运行点数据的最优潮流，获得所述网架结构中各发电机节点出力及静态电压稳定裕度；
步骤3、基于所述最优潮流计算结果，计算所述网架结构中各节点电压和电流，并记为所述静态电压稳定裕度对应的PMU测量值；
步骤4、基于GBRT方法，建立所述PMU测量值与所述静态电压稳定裕度之间的非线性关系；所述GBRT方法，基于所述静态电压稳定裕度与基于所述非线性关系的训练值之间的误差下降的方向，修正所述非线性关系，至所述误差满足给定精度或迭代次数达到给定次数；
步骤5、重复所述步骤2-步骤5，至所有所述网架结构的所述非线性关系全部计算完毕；
步骤6、对于任意给定的当前网架结构，基于当前在线测量的PMU值和所述当前网架结构对应的所述非线性关系，获取当前网架结构下的静态电压稳定裕度的预测值。
进一步地，按下式建立所述负荷潮流数据库：
Figure RE-GDA0002284908700000021
其中PL 0，QL 0为所述负荷节点的初始潮流水平，ΔPL为所述负荷节点的有功变化量；所述负荷节点的潮流在变化的过程中保持功率因素不变。
进一步地，所述电压稳定裕度评估模型采用如下式的负荷裕度指标计算：
Figure RE-GDA0002284908700000022
其中，max y为所述网架结构在给定运行点的静态电压稳定裕度，Pmax为所述网架结构的最大传输容量，代表所述网架结构电压崩溃点处的有功功率；Pcurrent为所述运行点对应的负荷有功。
进一步地，求解所述网架结构在某运行点数据的最优潮流，目标函数为max y；约束条件为如下式的系统潮流平衡方程：
Figure RE-GDA0002284908700000023
其中，Vi，Vj分别为节点i及节点j的电压，Y为所述网架结构的导纳矩阵；PGi和QGi分别为所述网架结构中发电机节点i的有功出力和无功出力；PDi和QDi为所述网架结构中发电机节点i当前的有功出力和无功出力；
所述约束条件还包括：
Figure RE-GDA0002284908700000031
分别对应发电机的有功出力约束、无功出力约束、节点电压偏差约束，以及支路传输容量约束；PLij为节点i及节点j构成的支路的有功潮流；G为所述Y的电导矩阵； B为所述Y的电纳矩阵。
进一步地，所述步骤4的所述GBRT方法具体包括以下步骤：
步骤4.1、构建所述误差的误差目标函数
Figure RE-GDA0002284908700000032
步骤4.2、求解所述误差目标函数的负梯度函数，所述负梯度函数即为所述非线性关系；基于所述负梯度函数计算第h-1次的决策树的训练结果，根据所述训练结果更新第h次的所述
Figure RE-GDA0002284908700000033
至所述误差满足要求或迭代次数达到给定次数。
进一步地，所述误差目标函数为：
Figure RE-GDA0002284908700000034
其中，F为所述非线性关系；xm和ym分别为所述步骤3中所述网架结构下负荷潮流数据库中，某运行点基于所述最优潮流计算的PMU值和静态电压稳定裕度；nT为所述网架结构下负荷潮流数据库中所有样本数量。
进一步地，所述步骤4.2具体包括：
步骤4.2.1、求解所述负梯度函数um：
Figure RE-GDA0002284908700000035
其中，h＝0,1，···，H为迭代次数；
步骤4.2.2、基于所述负梯度函数按下式更新所述
Figure RE-GDA0002284908700000036
Figure RE-GDA0002284908700000037
其中，
Figure RE-GDA0002284908700000038
为所述网架结构下所有所述静态电压稳定裕度和的平均值；ν为学习速率，且ν∈(0,1]；
Figure RE-GDA0002284908700000039
为第h个所述决策树训练得的结果。
进一步地，所述
Figure RE-GDA00022849087000000310
满足：
Figure RE-GDA00022849087000000311
进一步地，基于所述GBRT方法，按下式获取各所述节点的重要性指标：
Figure RE-GDA00022849087000000312
其中，x为所述节点i的输入特征；基于所述重要性指标，先布置PMU于所述重要性指标权值得分高的所述节点。
一种基于GBRT电压稳定裕度评估方法的评估系统，其特征在于，所述评估系统包括分布于各变电站的PMU装置、汇集所述各变电站PMU装置上传数据的相量数据集中器，和接收所述相量数据集中器汇集数据的控制中心；所述控制中心采用所述的的评估方法评估电力系统的静态电压稳定裕度。
相比于现有技术，本发明的有益技术效果是：
1)将机理模型与决策树提升方法相结合，实时性高、预测准确，更适合于在线监测的要求；
2)所提方法具有应对测量不确定性下的鲁棒性，在信噪比大于等于40分贝时，所提方法评估效果几乎不受噪声干扰。
3)提出节点重要性指标，为PMU的合理布点提供了一定依据，选择排名高的节点上部署PMU可以获得与在系统全部节点上部署PMU接近的评估效果，但更满足系统经济性的需要。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的基于GBRT的电压稳定裕度评估方法的在线监测系统功能架构图；
图2是图1所示实施例在场景1下基于OPF的计算结果散点图；
图3是图1所示实施例在场景2下不同SNR的MAPE曲线图；
图4是本发明另一个较佳实施例的基于IEEE14节点输入特征重要性指标前十的分值图；
图5是图4所示实施例所有节点的重要性指标分值图；
图6是图4所示实施例对于不同PMU布点下电压稳定裕度评估效果图。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。
在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。
实施例一
如图1所示是本发明一个较佳实施例的基于GBRT的电压稳定裕度评估方法的在线监测系统功能架构图。所述在线监测系统包括各变电站的PMU装置1，汇总各变电站所述PMU数据的相量数据集中器2，基于相量数据集中器2的数据和所述评估方法评估当前系统的静态电压稳定裕度的控制中心3。
各变电站的PMU装置1收集相应节点的当前PMU数据，并将所述PMU数据传递到相量数据集中器2中进行汇总；控制中心3根据电力系统当前的网架结构与基于梯度提升决策树(gradient boosting regression tree,GBRT)的电压稳定裕度评估方法事先训练好的非线性关系进行匹配，进行静态电压稳定裕度的在线评估。当控制中心3监测到稳定裕度小于规定阈值时，向调度运行人员发出警报，以便采取相应的控制措施。优选地，所述PMU数据包括中包括各节点的正序电压幅值以及相角，以及各支路的正序电流幅值以及相角。
本实施例中，基于GBRT的静态电压稳定裕度评估方法分为离线训练数据库的建立和在线评估两个部分，其中离线训练数据库在线下建立，旨在涵盖尽可能多的运行情况，以提升GBRT的泛化能力；而在线评估目的在于根据系统PMU实时测量情况，对系统电压稳定状态实时做出判断。
一般来说，电力系统运行情况的变化主要可以归纳为两个方面：
1)由负荷水平变化而导致的运行情况改变；
2)由于突发情况、设备退出检修等而导致的网架结构的改变；
针对以上两种情况，为保证基于GBRT的静态电压稳定裕度评估方法具有较高的预测精度，针对系统网架结构的改变，按照其N-1情况，针对各自网架结构建立离线数据库，并对GBRT进行训练。在每一种固定的网架结构下，模拟负荷的变化如式(1) 所示：
Figure RE-GDA0002284908700000051
其中PL 0，QL 0为所述负荷节点的初始潮流水平，ΔPL为所述负荷节点的有功变化量；所述负荷节点的潮流在变化的过程中保持功率因素不变。
与不同负荷水平，发电机出力相对应的电压稳定裕度则基于本发明提出的电压稳定裕度评估模型进行求解，将求解得到的结果进行最有潮流计算，得到各个节点电压以及支路电流相量。针对某一种网架结构，离线数据库具体建立过程包括如下步骤：
步骤S1、输入系统初始化参数；所述初始化参数包括各负荷节点原始负荷水平、发电机有功无功出力上下限、节点电压偏移上下限、线路传输容量上下限、系统节点导纳矩阵、发电机节点个数i和负荷节点个数j；
步骤S2、对于任意负荷节点j，Aj为某负荷节点潮流变化的总阶段数，u为所述总阶段数中的任意阶段，CLj％为改变量；
对于u∈[0,Aj]，该所述负荷节点的有功改变潮流如式(2)：
PLj＝PLj 0(1+u×CLj％) (2)
该所述负荷节点的无功潮流改变，按照固定的功率因数，结合式(1)及式(2)进行计算。
基于上述算法，建立用于离线训练的负荷节点的潮流数据库；根据电压稳定裕度评估模型，求解所述网架结构在各运行点数据{PG1，···，PGi,QG1，···，QGi,y}的最优潮流，获得所述网架结构中各发电机节点出力及静态电压稳定裕度{PL1，···，PLj,QL1，···，QLj}。
进一步地，根据所述最优潮流结果，计算各节点的电压及电流，并记录为各所述节点的PMU测量值。
针对静态电压稳定裕度问题，采用负荷裕度作为定量指标进行评估，直观性强、便于计算。运行点到电压崩溃点(膝点)之间的有功功率差值，提供了负荷裕度的衡量，如下式所示：
Pdistance＝Pmax-Pcurrent
本实施例通过建立最优潮流模型(optimal power flow,OPF)对电压稳定裕度进行求解，该模型除考虑网络潮流约束以外，还考虑了发电机以及线路传输容量等约束条件，目标函数以及约束条件如下所示：
目标函数：max y；
约束条件：
Figure RE-GDA0002284908700000061
所述约束条件中前两个等式为潮流平衡方程。其中，Vi，Vj分别为节点i及节点j的电压，Y为所述网架结构的节点导纳矩阵；PGi和QGi分别为所述网架结构中发电机节点i的有功出力和无功出力；PDi和QDi为所述网架结构中发电机节点i当前的有功出力和无功出力。
所述约束条件中后四个不等式或表达式为功率约束条件，分别对应于发电机的有功出力约束、无功出力约束、节点电压偏差约束，以及支路传输容量约束。
所述目标函数目的是为求取给定的所述网架结构中某节点的有功负荷增长的最大相对值，且max y＝Pdistance/Pcurrent。
采用OPF模型求解y的过程，精度高，但对于大网络多节点的网络结构实时性不足。优选地，本发明基于GBRT的模型，将优化思想融入统计推理之中，每一个新的决策树的建立旨在减少上一个决策树预测的误差，使得模型的表达能力随着决策树数目的增多而变强。
基于GBRT方法，建立所述PMU测量值与所述静态电压稳定裕度之间的非线性关系；所述GBRT方法，基于所述静态电压稳定裕度与基于所述非线性关系的训练值之间的误差下降的方向，修正所述非线性关系，至所述误差满足给定精度或迭代次数达到给定次数。优选地，误差下降的方向选择误差的下降最快方向，即所述误差的负梯度函数；所述负梯度函数即为所述非线性关系；基于所述负梯度函数计算第h-1次的决策树的训练结果。利用GBRT解决回归问题可用以下如式(3)的模型进行表示：
ym＝F(xm)+ε (3)
其中，xm和ym分别为所述网架结构下负荷潮流数据库中，某运行点基于所述最优潮流计算的PMU值和静态电压稳定裕度；F为所述非线性关系。
如式(3)的模型是基于数据样本
Figure RE-GDA0002284908700000071
构建映射关系F:Rd→R来减少电压稳定裕度预测值与实际值之间的误差。优选地，对所述误差构建如式(4)的误差目标函数：
Figure RE-GDA0002284908700000072
其中，nT为所述网架结构下负荷潮流数据库中所有样本数量；
Figure RE-GDA0002284908700000073
为所述误差的误差目标函数。
F用分阶段的方式进行梯度提升学习。
记
Figure RE-GDA0002284908700000074
为第h个阶段针对电压稳定裕度训练的误差结果；其中，h＝0,1，···， H为迭代次数；
Figure RE-GDA0002284908700000075
为所述网架结构下所有所述静态电压稳定裕度和的平均值。
则有，在阶段性学习的过程中，
Figure RE-GDA0002284908700000076
模型按照式(5)不断进行更新：
Figure RE-GDA0002284908700000077
其中，ν为学习速率，且ν∈(0,1]；
Figure RE-GDA0002284908700000078
为第h个所述决策树训练得的结果。
因此，当第h-1个决策树做出预测之后，电压稳定裕度预测值与实际值之间的负梯度函数um则可以根据式(6)被计算得出：
Figure RE-GDA0002284908700000079
式(6)出了降低误差最快的下降方向，因此第h个决策树的目标即为减小该误差，如式(7)：
Figure RE-GDA00022849087000000710
根据以上过程，在全部决策树参数确定之后，最终训练结果可以由下式得出：
Figure RE-GDA00022849087000000711
其中
Figure RE-GDA00022849087000000712
在分阶段学习的过程中，表达能力不断被提高。
不断更新所述
Figure RE-GDA00022849087000000713
至所述误差满足要求或迭代次数达到给定次数。
本发明提出的评估方法，在测量不确定性下还具有较好的鲁棒性。
为说明本评估方法的有效性及健壮的鲁棒性，本实施例基于IEEE 14测试系统进行两个场景的算例验证。
场景1：针对系统元件及设备全部投入运行的网络情况，建立离线数据库。
为涵盖尽可能多的系统运行情况，本实施例中设置系统负荷水平的变化达到20％以上，即(u×CLj％≥20％)，并仅考虑原始负荷水平大于某一特定阈值节点负荷的变化。本实施例取阈值为10MW，并认为地理位置临界的节点(节点4和节点9；节点13和节点14)负荷变化规律一致。因此在本专利考虑u＝3，CLj％＝7％的情况下，离线数据库中总共包含1024个运行点。针对所有运行点，绘制系统发电机总出力，系统负荷水平与静态电压稳定裕度的散点图如图2所示，并取电压稳定裕度的阈值为35％。
场景2：在所述场景1的基础上，按照不同信噪比(signal to noise ratio,SNR)添加一定的白噪声。
将上述包含1024个运行点的离线数据库中随机划分70％作为训练集，30％作为测试集，采用平均绝对百分误差(mean absolute percentage error,MAPE)作为评判各种方法 VSM评估效果的依据，以测试集为例，其表达式为：
Figure RE-GDA0002284908700000081
其中，
Figure RE-GDA0002284908700000082
和yi分别为测试集中第i个采样点的基于所述OPF的实际电压稳定裕度和基于GBRT评估方法的预测值；N为测试集中样本个数。MAPE越小，则越准确。
本场景2在所述训练集与所述测试集的PMU测量值上，按照相同的信噪比添加白噪声，在所述测试集上预测结果如图3所示。从图3可以看出，当40SNR时，预测结果与不受噪声干扰下(100SNR)评估结果基本相同，证实了本发明所提方法应对噪声干扰具有较强的鲁棒性。
实施例二
为进一步优化PMU布置的经济成本和指标精度，本实施例基于GBRT的静态电压稳定裕度评估方法还进一步量化各节点的输入特征重要性，对各节点的重要程度进行排序，从而实现重要节点的筛选。基于GBRT的静态电压稳定裕度评估方法由一系列决策树组成，输入特征则会被用作决策树节点划分的标准，当其越靠近根节点时，表示输入特征的重要程度越高。平均所有决策树中各个特征的重要程度，则可以得到其排名。相对重要性排名前十的输入特征如图4所示，其为重要性归一化后的结果，即认为重要程度最高的特征对应的相对重要性为100。而每个节点重要性程度则可由下式进行计算
Figure RE-GDA0002284908700000083
其中，x为所述节点i的输入特征；基于所述重要性指标，先布置PMU于所述重要性指标权值得分高的所述节点。
在IEEE 14测试系统正常运行状态下，各个节点的重要性指标得分如图5所示。为进一步说明优先在重要性程度较高的节点布置PMU的经济成本优势，本实施例分别就在重要程度排名高以及排名低的节点上安装1、2、4台PMU进行实验。仅采用安装PMU节点上的测量值对GBRT进行训练，并评估对应的电压稳定裕度，测试集上预测的结果如图6所示。从图6中可以得出，在BI排序高的节点上安装PMU，在最极端只安装一台PMU的情况下，测试集上MAPE也可以达到2％以内，当安装4 台时，MAPE值和系统全部安装PMU时MAPE水平比较接近；然而在BI排序低的节点上安装PMU，MAPE值较大，预测精度难以保证，因此重要性指标为PMU安装选址提供了一定的依据。
实施例三
图1原理性地展示了本发明一个较佳实施例的电力系统静态电压稳定裕度评估系统的架构图。所述评估系统包括PMU装置1、相量数据集中器2和控制中心3。
各变电站的PMU装置1收集相应节点的当前PMU数据，并将所述PMU数据传递到相量数据集中器2中进行汇总；控制中心3接收相量数据集中器2汇集的数据；控制中心3根据电力系统当前的网架结构与基于GBRT的电压稳定裕度评估方法事先训练好的非线性关系进行匹配，进行静态电压稳定裕度的在线评估。当控制中心3监测到稳定裕度小于规定阈值时，向调度运行人员发出警报，以便采取相应的控制措施。
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。
最后应当说明的是：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应当理解：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，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (9)

1.一种基于GBRT的静态电压稳定裕度评估方法，其特征在于，包括以下步骤：
步骤1、对于给定的电力系统网络拓扑，按照N-1情况，针对各自网架结构建立用于离线训练的负荷潮流数据库；
步骤2、对于给定的所述网架结构及所述负荷潮流数据库中任意的运行点数据，根据静态电压稳定裕度评估模型，求解所述网架结构在各运行点数据的最优潮流，获得所述网架结构中各发电机节点出力及静态电压稳定裕度；
步骤3、基于所述最优潮流计算结果，计算所述网架结构中各节点电压和电流，并记为所述静态电压稳定裕度对应的PMU测量值；
步骤4、基于所述GBRT方法，建立所述PMU测量值与所述静态电压稳定裕度之间的非线性关系；所述GBRT方法，基于所述静态电压稳定裕度与基于所述非线性关系的训练值之间的误差下降的方向，修正所述非线性关系，至所述误差满足给定精度或迭代次数达到给定次数；
步骤5、重复所述步骤2-步骤5，至所有所述网架结构的所述非线性关系全部计算完毕；
步骤6、对于任意给定的当前网架结构，基于当前在线测量的PMU值和所述当前网架结构对应的所述非线性关系，获取当前网架结构下的静态电压稳定裕度的预测值。
2.如权利要求1所述的基于GBRT的静态电压稳定裕度评估方法，其特征在于，按下式建立所述负荷潮流数据库：
Figure FDA0002927781120000011
其中PL 0，QL 0为负荷节点的初始潮流水平，△PL为负荷节点的有功变化量；负荷节点的潮流在变化的过程中保持功率因素不变。
3.如权利要求2所述的基于GBRT的静态电压稳定裕度评估方法，其特征在于，所述电压稳定裕度评估模型采用如下式的负荷裕度指标计算：
Figure FDA0002927781120000012
其中，max y为所述网架结构在给定运行点的静态电压稳定裕度，Pmax为所述网架结构的最大传输容量，代表所述网架结构电压崩溃点处的有功功率；Pcurrent为所述运行点对应的负荷有功。
4.如权利要求3所述的基于GBRT的静态电压稳定裕度评估方法，其特征在于，求解所述网架结构在某运行点数据的最优潮流，目标函数为max y；约束条件为如下式的系统潮流平衡方程：
Figure FDA0002927781120000021
其中，Vi，Vj分别为节点i及节点j的电压，Y为所述网架结构的导纳矩阵；PGi和QGi分别为所述网架结构中发电机节点i的有功出力和无功出力；PDi和QDi为所述网架结构中负荷节点i当前的吸收的有功和无功；
所述约束条件还包括：
Figure FDA0002927781120000022
其中，四个不等式依次对应发电机的有功出力约束、无功出力约束、节点电压偏差约束，以及支路传输容量约束；
PLij为节点i及节点j构成的支路的有功潮流；G为所述Y的电导矩阵；B为所述Y的电纳矩阵。
5.如权利要求3所述的基于GBRT的静态电压稳定裕度评估方法，其特征在于，所述步骤4的所述GBRT方法具体包括以下步骤：
步骤4.1、构建所述误差的误差目标函数
Figure FDA0002927781120000023
步骤4.2、求解所述误差目标函数的负梯度函数，所述负梯度函数即为所述非线性关系；基于所述负梯度函数计算第h-1次的决策树的训练结果，根据所述训练结果更新第h次的所述
Figure FDA0002927781120000024
至所述误差满足要求或迭代次数达到给定次数。
6.如权利要求5所述的基于GBRT的静态电压稳定裕度评估方法，其特征在于，所述误差目标函数为：
Figure FDA0002927781120000025
其中，F为所述非线性关系；xm和ym分别为所述步骤3中所述网架结构下负荷潮流数据库中，某运行点基于所述最优潮流计算的PMU值和静态电压稳定裕度；nT为所述网架结构下负荷潮流数据库中所有样本数量。
7.如权利要求6所述的基于GBRT的静态电压稳定裕度评估方法，其特征在于，所述步骤4.2具体包括：
步骤4.2.1、求解所述负梯度函数um：
Figure FDA0002927781120000031
其中，h＝0,1，···，H为迭代次数；
步骤4.2.2、基于所述负梯度函数按下式更新所述
Figure FDA0002927781120000032
Figure FDA0002927781120000033
其中，
Figure FDA0002927781120000034
为所述网架结构下所有所述静态电压稳定裕度和的平均值；ν为学习速率，且ν∈(0,1]；
Figure FDA0002927781120000035
为第h个所述决策树训练得的结果。
8.如权利要求7所述的基于GBRT的静态电压稳定裕度评估方法，其特征在于，所述
Figure FDA0002927781120000036
满足：
Figure FDA0002927781120000037
9.一种基于GBRT的静态电压稳定裕度评估系统，其特征在于，所述评估系统包括分布于各变电站的PMU装置、汇集所述各变电站PMU装置上传数据的相量数据集中器，和接收所述相量数据集中器汇集数据的控制中心；所述控制中心采用如权利要求1-8任意所述的评估方法评估电力系统的静态电压稳定裕度。
CN201911029678.1A 2019-10-28 2019-10-28 一种基于gbrt的静态电压稳定裕度评估方法及系统 Active CN110649627B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911029678.1A CN110649627B (zh) 2019-10-28 2019-10-28 一种基于gbrt的静态电压稳定裕度评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911029678.1A CN110649627B (zh) 2019-10-28 2019-10-28 一种基于gbrt的静态电压稳定裕度评估方法及系统

Publications (2)

Publication Number Publication Date
CN110649627A CN110649627A (zh) 2020-01-03
CN110649627B true CN110649627B (zh) 2021-03-30

Family

ID=68994892

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911029678.1A Active CN110649627B (zh) 2019-10-28 2019-10-28 一种基于gbrt的静态电压稳定裕度评估方法及系统

Country Status (1)

Country Link
CN (1) CN110649627B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111525548B (zh) * 2020-04-02 2022-11-11 中国电力科学研究院有限公司 一种对电网静态电压稳定裕度进行评估的方法及系统
CN114268112B (zh) * 2021-12-29 2023-10-20 重庆电子工程职业学院 基于相量测量单元优化配置的静态电压稳定裕度预测方法
CN114914913B (zh) * 2022-06-22 2024-03-12 广东工业大学 一种考虑变流器驱动稳定性约束的机组组合方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108539738A (zh) * 2018-05-10 2018-09-14 国网山东省电力公司电力科学研究院 一种基于梯度提升决策树的短期负荷预测方法
CN109217339A (zh) * 2018-10-25 2019-01-15 国网天津市电力公司 一种基于pmu配置的静态电压安全域的构建方法
CN109617127A (zh) * 2019-01-17 2019-04-12 国网山东省电力公司莱芜供电公司 新型微网系统及其逆变器控制策略和小信号建模方法
CN110210712A (zh) * 2019-05-05 2019-09-06 三峡大学 一种考虑不确定性和多主体博弈的综合能源系统规划方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7816927B2 (en) * 2007-07-27 2010-10-19 British Columbia Hydro And Power Authority Method and system for real time identification of voltage stability via identification of weakest lines and buses contributing to power system collapse
CN101819243B (zh) * 2010-04-08 2013-01-16 国网电力科学研究院 基于广域信息的静态电压失稳预测方法
CN102938587B (zh) * 2012-12-10 2014-11-26 上海市电力公司 电网智能安全稳定预警与控制方法
CN103050970A (zh) * 2013-01-15 2013-04-17 华北电力大学 一种适用于特高压电网分层分区的稳定性分析及优化方法
CN105741025B (zh) * 2016-01-26 2019-08-23 山东大学 基于风电波动在线风险评估的预防控制方法
CN107132762B (zh) * 2017-04-17 2020-05-15 国电南瑞科技股份有限公司 基于预想故障集自动筛选的在线静态安全评估方法
CN108805419B (zh) * 2018-05-22 2021-05-04 浙江大学 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108539738A (zh) * 2018-05-10 2018-09-14 国网山东省电力公司电力科学研究院 一种基于梯度提升决策树的短期负荷预测方法
CN109217339A (zh) * 2018-10-25 2019-01-15 国网天津市电力公司 一种基于pmu配置的静态电压安全域的构建方法
CN109617127A (zh) * 2019-01-17 2019-04-12 国网山东省电力公司莱芜供电公司 新型微网系统及其逆变器控制策略和小信号建模方法
CN110210712A (zh) * 2019-05-05 2019-09-06 三峡大学 一种考虑不确定性和多主体博弈的综合能源系统规划方法

Also Published As

Publication number Publication date
CN110649627A (zh) 2020-01-03

Similar Documents

Publication Publication Date Title
CN110649627B (zh) 一种基于gbrt的静态电压稳定裕度评估方法及系统
CN103761690B (zh) 基于电网系统中电压无功控制系统的评估方法
CN109086913B (zh) 一种基于深度学习的电力系统暂态稳定评估方法及系统
Chan et al. The available capacity computation model based on artificial neural network for lead–acid batteries in electric vehicles
CN107679658B (zh) 一种高比例清洁能源接入下的输电网规划方法
CN104134999B (zh) 基于多数据源的配电网量测有效性分析实用化计算方法
Rejc et al. Short-term transmission-loss forecast for the slovenian transmission power system based on a fuzzy-logic decision approach
CN102868161A (zh) 一种含分布式电源配电系统网络变结构优化方法
CN110826228B (zh) 一种地区电网运行品质极限评估方法
Kamalasadan et al. A new intelligent algorithm for online voltage stability assessment and monitoring
CN107330573A (zh) 一种光伏系统关键设备的状态评估方法及装置
Suraya et al. Biogeography based optimization algorithm and neural network to optimize place and size of distributed generating system in electrical distribution
CN105160459A (zh) 一种电力系统的稳定运行状况评估方法
CN112085156B (zh) 一种分压线损率预测及降损潜力评估方法及系统
CN110880055A (zh) 楼宇智能电表系统
CN108665181A (zh) 一种配电网可靠性的评估方法和装置
CN112100784A (zh) 基于聚类网架拓扑和可靠性估算关联模型的配电网规划方法
CN116914751A (zh) 一种智能配电控制系统
Chen et al. Distribution system state estimation: A survey of some relevant work
CN114429248A (zh) 一种变压器视在功率预测方法
Li et al. Multiagent deep meta reinforcement learning for sea computing-based energy management of interconnected grids considering renewable energy sources in sustainable cities
US20220391504A1 (en) Leakage Measurement Error Compensation Method and System Based on Cloud-Edge Collaborative Computing
CN105095659A (zh) 基于云计算的省地协调分布式状态估计方法
CN115513945A (zh) 一种基于物联网的分布式电源管理方法
CN115051360A (zh) 集成式知识迁移的电力系统运行风险在线计算方法与装置

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
GR01 Patent grant
GR01 Patent grant