CN113949065B - 一种确定电力系统暂态电压稳定薄弱节点的方法及系统 - Google Patents
一种确定电力系统暂态电压稳定薄弱节点的方法及系统 Download PDFInfo
- Publication number
- CN113949065B CN113949065B CN202111558320.5A CN202111558320A CN113949065B CN 113949065 B CN113949065 B CN 113949065B CN 202111558320 A CN202111558320 A CN 202111558320A CN 113949065 B CN113949065 B CN 113949065B
- Authority
- CN
- China
- Prior art keywords
- node
- type
- determining
- absolute value
- wavelet decomposition
- 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
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
-
- 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
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种确定电力系统暂态电压稳定薄弱节点的方法及系统,包括:获取电力系统中节点在预设故障扰动后的暂态电压受扰恢复数据;对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数;根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型;其中,所述类型包括:正常节点类型和薄弱节点类型。本发明能够对电力系统内的负荷、直流场站、容抗器、发电机、调相机、新能源厂站等多种节点的预设故障扰动后的暂态电压受扰恢复数据进行离散小波变换,能快速分解计算出小波分解系数,从而根据小波分解系数实现快速分析出暂态电压的薄弱节点,以便针对性的采取措施,提升电网安全运行水平。
Description
技术领域
本发明涉及电力系统在线安全稳定计算技术领域 ,并且更具体地,涉及一种确定电力系统暂态电压稳定薄弱节点的方法及系统。
背景技术
伴随直流输电规模的快速增长,风电、光伏等新能源的迅猛发展,我国电源、电网格局持续发生重大变化,电网安全运行及可再生能源大规模消纳都面临全新挑战。一方面,我国正处在特高压电网的高速发展期,电网特性持续发生重要变化,当前电网交直流、送受端耦合日趋紧密,故障对电网运行的影响由局部转为全局,新能源、直流输电大规模投产使电网动态电压稳定问题日益突出,电网稳定范畴进一步拓展,电力电子化特征凸显,电网调压能力不断下降。另一方面,近年来我国新能源持续快速增长,在电网中占比日益提高,由于风、光等新能源出力具有随机性和波动性,且其频率和电压调节特性和常规发电机组不同,一定程度上恶化了系统的调压能力和抗扰动能力,同时受制于电网电压支撑能力不足的问题,新能源的消纳受到影响。
在目前全网出力成份和消纳模式发生深刻变化的背景下,电网电压特性也发生根本性变化,由准静态电压平衡问题演化成薄弱区域暂态电压调节能力下降、抗扰动能力不足问题。而现有调度控制系统模块缺乏电网动态调压能力准确评估和优化的功能和应用,亟需研究电网暂态电压薄弱节点筛选评估方法,实现电压薄弱区域筛选。
发明内容
本发明提出一种确定电力系统暂态电压稳定薄弱节点的方法及系统,以解决如何确定电力系统故障后暂态电压调节能力薄弱的节点的问题。
为了解决上述问题,根据本发明的一个方面,提供了一种确定电力系统暂态电压稳定薄弱节点的方法,所述方法包括:
获取电力系统中节点在预设故障扰动后的暂态电压受扰恢复数据;
对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数;
根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型;其中,所述类型包括:正常节点类型和薄弱节点类型。
优选地,其中所述对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数,包括:
根据预设的分解层数利用离散小波变换DWT算法,基于预设的紧支集正交小波簇对所述暂态电压受扰恢复数据进行分解和重构,确定与所述节点对应的每一层的小波分解系数。
优选地,其中所述根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型,包括:
S11,初始化n=1;
S12,根据第n层和n+1层的小波分解系数的差值的绝对值,确定第一绝对值;
S13,若所述第一绝对值大于第一预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入S14;
S14,若n大于等于分解层数N,则确定所述节点的类型为正常节点类型;反之,则更新n=n+1,并返回S12重新计算;其中,N≥2。
优选地,其中所述根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型,包括:
S21,根据第1层的小波分解系数和第2层的小波分解系数的差值的绝对值,确定第二绝对值;
S22,若所述第二绝对值大于第二预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入S23;
S23,根据第4层的小波分解系数和第5层的小波分解系数的差值的绝对值,确定第三绝对值;
S24,若所述第三绝对值大于第三预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入S24;
S25,根据第3层的小波分解系数和第4层的小波分解系数的差值的绝对值,确定第四绝对值;
S22,若所述第四绝对值大于第四预设阈值,则确定所述节点的类型为薄弱节点类型;反之,确定所述节点的类型为正常节点类型。
优选地,其中所述方法还包括:
根据节点对应的每一层的小波分解系数和预设系统平衡节点对应的每一层的小波分解系数,确定节点对应的欧式距离;
对于任一节点,若该任一节点对应的欧式距离小于等于预设距离阈值,则确定该任一节点的类型为正常节点类型。
优选地,其中所述第二预设阈值为0.9,第三预设阈值为2,第四预设阈值为3。
优选地,其中所述方法还包括:
对于任一类别的所有节点,当该任一类别的所有节点的类型均为正常节点类型时,选取该任一类别的所有节点中差值的绝对值最大的节点为目标节点,并重新确定所述目标节点的类型为薄弱节点类型。
优选地,其中所述节点包括:负荷节点、直流场站节点、容抗器节点、发电机节点、调相机节点和/或新能源场站节点。
根据本发明的另一个方面,提供了一种确定电力系统暂态电压稳定薄弱节点的系统,所述系统包括:
数据获取单元,用于获取电力系统中节点在预设故障扰动后的暂态电压受扰恢复数据;
小波分解系数确定单元,用于对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数;
节点类型确定单元,用于根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型;其中,所述类型包括:正常节点类型和薄弱节点类型。
优选地,其中所述小波分解系数确定单元,对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数,包括:
根据预设的分解层数利用离散小波变换DWT算法,基于预设的紧支集正交小波簇对所述暂态电压受扰恢复数据进行分解和重构,确定与所述节点对应的每一层的小波分解系数。
优选地,其中所述节点类型确定单元,根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型,包括:
初始化模块,用于初始化n=1;
第一绝对值计算模块,用于根据第n层和n+1层的小波分解系数的差值的绝对值,确定第一绝对值;
第一薄弱节点类型确定模块,用于若所述第一绝对值大于第一预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入第一正常节点类型确定模块;
第一正常节点类型确定模块,用于若n大于等于分解层数N,则确定所述节点的类型为正常节点类型;反之,则更新n=n+1,并进入所述第一绝对值计算模块重新计算;其中,N≥2。
优选地,其中所述节点类型确定单元,根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型,包括:
第二绝对值计算模块,用于根据第1层的小波分解系数和第2层的小波分解系数的差值的绝对值,确定第二绝对值;
第二薄弱节点类型确定模块,用于若所述第二绝对值大于第二预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入第三绝对值计算模块;
第三绝对值计算模块,用于根据第4层的小波分解系数和第5层的小波分解系数的差值的绝对值,确定第三绝对值;
第三薄弱节点类型确定模块,用于若所述第三绝对值大于第三预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入第四绝对值计算模块;
第四绝对值计算模块,用于根据第3层的小波分解系数和第4层的小波分解系数的差值的绝对值,确定第四绝对值;
节点类型确定模块,用于若所述第三绝对值大于第三预设阈值,则确定所述节点的类型为薄弱节点类型;反之,确定所述节点的类型为正常节点类型。
优选地,其中所述节点类型确定单元,还包括:
根据节点对应的每一层的小波分解系数和预设系统平衡节点对应的每一层的小波分解系数,确定节点对应的欧式距离;
对于任一节点,若该任一节点对应的欧式距离小于等于预设距离阈值,则确定该任一节点的类型为正常节点类型。
优选地,其中所述第二预设阈值为0.9,第三预设阈值为2,第四预设阈值为3。
优选地,其中所述系统还包括:
类型更新单元,用于对于任一类别的所有节点,当该任一类别的所有节点的类型均为正常节点类型时,选取该任一类别的所有节点中差值的绝对值最大的节点为目标节点,并重新确定所述目标节点的类型为薄弱节点类型。
优选地,其中在所述数据获取单元,所述节点包括:负荷节点、直流场站节点、容抗器节点、发电机节点、调相机节点和/或新能源场站节点。
本发明提供了一种确定电力系统暂态电压稳定薄弱节点的方法及系统,包括:获取电力系统中节点在预设故障扰动后的暂态电压受扰恢复数据;对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数;根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型;其中,所述类型包括:正常节点类型和薄弱节点类型。本发明能够对电力系统内的负荷、直流场站、容抗器、发电机、调相机、新能源厂站等多种节点的预设故障扰动后的暂态电压受扰恢复数据进行离散小波变换,能快速分解计算出小波分解系数,从而根据小波分解系数实现快速分析出暂态电压的薄弱节点,以便针对性的采取措施,提升电网安全运行水平。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明实施方式的确定电力系统暂态电压稳定薄弱节点的方法100的流程图;
图2为根据本发明实施方式的确定电力系统暂态电压稳定薄弱节点的系统200的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明实施方式的确定电力系统暂态电压稳定薄弱节点的方法100的流程图。如图1所示,本发明实施方式提供的确定电力系统暂态电压稳定薄弱节点的方法,能够对电力系统内的负荷、直流场站、容抗器、发电机、调相机、新能源厂站等多种节点的预设故障扰动后的暂态电压受扰恢复数据进行离散小波变换,能快速分解计算出小波分解系数,从而根据小波分解系数实现快速分析出暂态电压的薄弱节点,以便针对性的采取措施,提升电网安全运行水平。本发明实施方式提供的确定电力系统暂态电压稳定薄弱节点的方法100,从步骤101处开始,在步骤101获取电力系统中节点在预设故障扰动后的暂态电压受扰恢复数据。
优选地,其中所述节点包括:负荷节点、直流场站节点、容抗器节点、发电机节点、调相机节点和/或新能源场站节点。
在本发明中,电力系统的节点包括:负荷节点、直流场站节点、容抗器节点、发电机节点、调相机节点和新能源场站节点。针对电力系统全网节点,搜索负荷节点形成负荷列表,搜索直流场站形成直流场站列表,搜索容抗器形成容抗器列表 ,搜索发电机形成发电机列表,搜索调相机形成调相机列表,搜索新能源厂站形成新能源厂站列表,然后依次选取每个列表中的节点进行判断,从而筛选出薄弱节点。
在本发明中,预设故障可以根据需求设置,通过仿真分析即可得到预设故障扰动后的暂态电压受扰恢复曲线,即暂态电压受扰恢复数据。
在步骤102,对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数。
优选地,其中所述对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数,包括:
根据预设的分解层数利用离散小波变换DWT算法,基于预设的紧支集正交小波簇对所述暂态电压受扰恢复数据进行分解和重构,确定与所述节点对应的每一层的小波分解系数。
在本发明中,基于离散小波变换DWT算法确定每个节点对应的每一层的小波分解系数。对于分解层数N,根据需求设置,N≥2。
在本发明中,选取了离散小波变换(Discrete Wavelet Transformation, DWT)技术进行暂态电压受扰恢复曲线Vi(t)进行分解和重构分析,DWT公式如下:
多分辨率分析(multiresolution analysis, MRA)是用小波函数的二进伸缩和平移表示函数这一思想的更加抽象复杂的表现形式,它重点处理整个函数集,而非侧重处理作为个体的函数。多分辨率(MRA)小波变换利用正交小波基可将信号分解为不同尺度下的各个分量这个分析过程;其实现过程类似于重复使用一组高通滤波器和低通滤波器对时间序列信号进行逐步分解—高通滤波器产生信号的高频细节分量,低通滤波器产生信号的低频粗略分量,两个分量所占的频带宽度相等。
由此可得,
此处定义DWT的分解层数即为函数在小波分解算法下的多分辨率系数M,通常,分解层数M可根据电网复杂程度进行调整。
对于暂态电压受扰恢复曲线离散小波分析的小波基选取,采用dbN小波簇提取似重构系数c和小波分解系数d。
在离散小波分析后信号重构方法采用Mallat算法,该方法通过算子与谐波信号的卷积,实现了电压信号的分解与重构,从而达到分析目的。
分解算法为:
与分解对应的重构算法为:
小波分解与小波重构算法合起来就是一维离散小波变换Mallat算法。Mallat的卷积表达式为:
在本发明中,对于任一节点的暂态电压恢复曲线,根据预设的分解层数利用离散小波变换DWT算法,基于预设的紧支集正交小波簇对所述暂态电压受扰恢复数据进行分解和重构,即可确定任一节点对应的每一层的小波分解系数。
在步骤103,根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型;其中,所述类型包括:正常节点类型和薄弱节点类型。
优选地,其中所述根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型,包括:
S11,初始化n=1;
S12,根据第n层和n+1层的小波分解系数的差值的绝对值,确定第一绝对值;
S13,若所述第一绝对值大于第一预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入S14;
S14,若n大于等于分解层数N,则确定所述节点的类型为正常节点类型;反之,则更新n=n+1,并返回S12重新计算;其中,N≥2。
在本发明一实施例中,对于任一个节点i,在获取到节点i对应的小波分解系数的dn(n=1,2,3,…,N)后,执行:S11,初始化n=1;S12,根据第n层和n+1层的小波分解系数的差值的绝对值,确定第一绝对值|din-di(n+1)|;S13,若所述第一绝对值大于第一预设阈值Th1,则确定所述节点的类型为薄弱节点类型;反之,进入S14;S14,若n大于等于分解层数N,则确定所述节点的类型为正常节点类型;反之,则更新n=n+1,并返回S12重新计算;其中,N≥2,从而确定节点i的类型。
其中,每一层对应第一预设阈值根据需求动态设置,可以为定值,也可以每一层对应不同的第一预设阈值。
优选地,其中所述根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型,包括:
S21,根据第1层的小波分解系数和第2层的小波分解系数的差值的绝对值,确定第二绝对值;
S22,若所述第二绝对值大于第二预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入S23;
S23,根据第4层的小波分解系数和第5层的小波分解系数的差值的绝对值,确定第三绝对值;
S24,若所述第三绝对值大于第三预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入S24;
S25,根据第3层的小波分解系数和第4层的小波分解系数的差值的绝对值,确定第四绝对值;
S22,若所述第四绝对值大于第四预设阈值,则确定所述节点的类型为薄弱节点类型;反之,确定所述节点的类型为正常节点类型。
优选地,其中所述第二预设阈值为0.9,第三预设阈值为2,第四预设阈值为3。
在本发明一实施例中,对于任一个节点i,在获取到节点i对应的小波分解系数的dn(n=1,2,3,…,N)后,仅选取前5个小波分解系数,设置的规则计算相邻的小波分解系数的差值的绝对值,并与预设阈值比较,如出现绝对值大于预设阈值,则确定节点的类型为薄弱节点类型。其中,可以设置第二预设阈值为0.9,第三预设阈值为2,第四预设阈值为3。
具体地,确定节点类型的过程为:S21,根据第1层的小波分解系数d1和第2层的小波分解系数d2的差值的绝对值,确定第二绝对值|di1-di2|;S22,若所述第二绝对值大于第二预设阈值Th2,则确定所述节点的类型为薄弱节点类型;反之,进入S23;S23,根据第4层的小波分解系数d4和第5层的小波分解系数d5的差值的绝对值,确定第三绝对值|di4-di5|;S24,若所述第三绝对值大于第三预设阈值Th3,则确定所述节点的类型为薄弱节点类型;反之,进入S24;S25,根据第3层的小波分解系数d3和第4层的小波分解系数d4的差值的绝对值,确定第四绝对值|di3-di4|;S22,若所述第四绝对值大于第四预设阈值,则确定所述节点的类型为薄弱节点类型;反之,确定所述节点的类型为正常节点类型,从而确定节点i的类型。
优选地,其中所述方法还包括:
根据节点对应的每一层的小波分解系数和预设系统平衡节点对应的每一层的小波分解系数,确定节点对应的欧式距离;
对于任一节点,若该任一节点对应的欧式距离小于等于预设距离阈值,则确定该任一节点的类型为正常节点类型。
在本发明的一些实施例中,在根据绝对值阈值比较确定节点类型之前,还可以预先对所有节点进行一个筛选,以提前筛选出电网薄弱性低的节点,直接确定节点类型为正常节点类型。
具体地,包括:首先,根据计算获得的每个节点对应的小波分解系数构建系数数组D,D=[d1, d2, d3, d4, d5];然后,计算每个节点与预设系统平衡节点的欧氏距离E。E值越大,代表与预设系统平衡节点的相似程度越低,电压薄弱的可能性越大。最后,筛选欧氏距离E小于等于预设距离阈值的节点,直接确定类型为正常节点类型。剩下的节点再根据绝对值阈值比较的方法进行电压薄弱节点分析,确定节点类型。其中,系统平衡节点可以根据电力系统直接确定,系统平衡节点对应的每一层的小波分解系数也通过小波变换求得。
优选地,其中所述方法还包括:
对于任一类别的所有节点,当该任一类别的所有节点的类型均为正常节点类型时,选取该任一类别的所有节点中差值的绝对值最大的节点为目标节点,并重新确定所述目标节点的类型为薄弱节点类型。
在本发明中,对于相同类别的所有节点,若所有节点的差值的绝对值均小于等于对应的阈值,则对所有节点的差值的绝对值进行排序,并更新差值的绝对值最大的节点的类型为薄弱节点类型。
本发明的方法有助于提升动态调压能力,提高特高压直流电压支撑能力,为在电网安全基础上提升新能源消纳水平奠定基础。最终形成电网动态调压能力在线评估和优化提升架构方案和功能软件,应用于调度控制中心,为电网调度运行人员提升电网安全水平及电压调节能力和继续提升新能源消纳能力提供决策支持。
图2为根据本发明实施方式的确定电力系统暂态电压稳定薄弱节点的系统300的结构示意图。如图2所示,本发明实施方式提供的确定电力系统暂态电压稳定薄弱节点的系统200,包括:数据获取单元201、小波分解系数确定单202和节点类型确定单元203。
优选地,所述数据获取单元201,用于获取电力系统中节点在预设故障扰动后的暂态电压受扰恢复数据。
优选地,所述小波分解系数确定单202,用于对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数。
优选地,其中所述小波分解系数确定单元202,对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数,包括:
根据预设的分解层数利用离散小波变换DWT算法,基于预设的紧支集正交小波簇对所述暂态电压受扰恢复数据进行分解和重构,确定与所述节点对应的每一层的小波分解系数。
优选地,所述节点类型确定单元203,用于根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型;其中,所述类型包括:正常节点类型和薄弱节点类型。
优选地,其中所述节点类型确定单元203,根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型,包括:
初始化模块,用于初始化n=1;
第一绝对值计算模块,用于根据第n层和n+1层的小波分解系数的差值的绝对值,确定第一绝对值;
第一薄弱节点类型确定模块,用于若所述第一绝对值大于第一预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入第一正常节点类型确定模块;
第一正常节点类型确定模块,用于若n大于等于分解层数N,则确定所述节点的类型为正常节点类型;反之,则更新n=n+1,并进入所述第一绝对值计算模块重新计算;其中,N≥2。
优选地,其中所述节点类型确定单元203,根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型,包括:
第二绝对值计算模块,用于根据第1层的小波分解系数和第2层的小波分解系数的差值的绝对值,确定第二绝对值;
第二薄弱节点类型确定模块,用于若所述第二绝对值大于第二预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入第三绝对值计算模块;
第三绝对值计算模块,用于根据第4层的小波分解系数和第5层的小波分解系数的差值的绝对值,确定第三绝对值;
第三薄弱节点类型确定模块,用于若所述第三绝对值大于第三预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入第四绝对值计算模块;
第四绝对值计算模块,用于根据第3层的小波分解系数和第4层的小波分解系数的差值的绝对值,确定第四绝对值;
节点类型确定模块,用于若所述第三绝对值大于第三预设阈值,则确定所述节点的类型为薄弱节点类型;反之,确定所述节点的类型为正常节点类型。
优选地,其中所述第二预设阈值为0.9,第三预设阈值为2,第四预设阈值为3。
优选地,其中所述系统还包括:
类型更新单元,用于对于任一类别的所有节点,当该任一类别的所有节点的类型均为正常节点类型时,选取该任一类别的所有节点中差值的绝对值最大的节点为目标节点,并重新确定所述目标节点的类型为薄弱节点类型。
优选地,其中在所述数据获取单元201,所述节点包括:负荷节点、直流场站节点、容抗器节点、发电机节点、调相机节点和/或新能源场站节点。
本发明的实施例的确定电力系统暂态电压稳定薄弱节点的系统200与本发明的另一个实施例的确定电力系统暂态电压稳定薄弱节点的方法100相对应,在此不再赘述。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
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。
Claims (14)
1.一种确定电力系统暂态电压稳定薄弱节点的方法,其特征在于,所述方法包括:
获取电力系统中节点在预设故障扰动后的暂态电压受扰恢复数据;
对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数;
根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型;其中,所述类型包括:正常节点类型和薄弱节点类型。
2.根据权利要求1所述的方法,其特征在于,所述对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数,包括:
根据预设的分解层数利用离散小波变换DWT算法,基于预设的紧支集正交小波簇对所述暂态电压受扰恢复数据进行分解和重构,确定与所述节点对应的每一层的小波分解系数。
3.根据权利要求1所述的方法,其特征在于,所述根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型,包括:
S11,初始化n=1;
S12,根据第n层和n+1层的小波分解系数的差值的绝对值,确定第一绝对值;
S13,若所述第一绝对值大于第一预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入S14;
S14,若n大于等于分解层数N,则确定所述节点的类型为正常节点类型;反之,则更新n=n+1,并返回S12重新计算;其中,N≥2。
4.根据权利要求1所述的方法,其特征在于,所述根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型,包括:
S21,根据第1层的小波分解系数和第2层的小波分解系数的差值的绝对值,确定第二绝对值;
S22,若所述第二绝对值大于第二预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入S23;
S23,根据第4层的小波分解系数和第5层的小波分解系数的差值的绝对值,确定第三绝对值;
S24,若所述第三绝对值大于第三预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入S24;
S25,根据第3层的小波分解系数和第4层的小波分解系数的差值的绝对值,确定第四绝对值;
S22,若所述第四绝对值大于第四预设阈值,则确定所述节点的类型为薄弱节点类型;反之,确定所述节点的类型为正常节点类型。
5.根据权利要求3或4所述的方法,其特征在于,所述方法还包括:
根据节点对应的每一层的小波分解系数和预设系统平衡节点对应的每一层的小波分解系数,确定节点对应的欧式距离;
对于任一节点,若该任一节点对应的欧式距离小于等于预设距离阈值,则确定该任一节点的类型为正常节点类型。
6.根据权利要求3或4所述的方法,其特征在于,所述方法还包括:
对于任一类别的所有节点,当该任一类别的所有节点的类型均为正常节点类型时,选取该任一类别的所有节点中差值的绝对值最大的节点为目标节点,并重新确定所述目标节点的类型为薄弱节点类型。
7.根据权利要求1所述的方法,其特征在于,所述节点包括:负荷节点、直流场站节点、容抗器节点、发电机节点、调相机节点和/或新能源场站节点。
8.一种确定电力系统暂态电压稳定薄弱节点的系统,其特征在于,所述系统包括:
数据获取单元,用于获取电力系统中节点在预设故障扰动后的暂态电压受扰恢复数据;
小波分解系数确定单元,用于对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数;
节点类型确定单元,用于根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型;其中,所述类型包括:正常节点类型和薄弱节点类型。
9.根据权利要求8所述的系统,其特征在于,所述小波分解系数确定单元,对所述暂态电压受扰恢复数据进行离散小波分析,确定与所述节点对应的每一层的小波分解系数,包括:
根据预设的分解层数利用离散小波变换DWT算法,基于预设的紧支集正交小波簇对所述暂态电压受扰恢复数据进行分解和重构,确定与所述节点对应的每一层的小波分解系数。
10.根据权利要求8所述的系统,其特征在于,所述节点类型确定单元,根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型,包括:
初始化模块,用于初始化n=1;
第一绝对值计算模块,用于根据第n层和n+1层的小波分解系数的差值的绝对值,确定第一绝对值;
第一薄弱节点类型确定模块,用于若所述第一绝对值大于第一预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入第一正常节点类型确定模块;
第一正常节点类型确定模块,用于若n大于等于分解层数N,则确定所述节点的类型为正常节点类型;反之,则更新n=n+1,并进入所述第一绝对值计算模块重新计算;其中,N≥2。
11.根据权利要求8所述的系统,其特征在于,所述节点类型确定单元,根据与所述节点对应的每一层的小波分解系数,确定所述节点的类型,包括:
第二绝对值计算模块,用于根据第1层的小波分解系数和第2层的小波分解系数的差值的绝对值,确定第二绝对值;
第二薄弱节点类型确定模块,用于若所述第二绝对值大于第二预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入第三绝对值计算模块;
第三绝对值计算模块,用于根据第4层的小波分解系数和第5层的小波分解系数的差值的绝对值,确定第三绝对值;
第三薄弱节点类型确定模块,用于若所述第三绝对值大于第三预设阈值,则确定所述节点的类型为薄弱节点类型;反之,进入第四绝对值计算模块;
第四绝对值计算模块,用于根据第3层的小波分解系数和第4层的小波分解系数的差值的绝对值,确定第四绝对值;
节点类型确定模块,用于若所述第三绝对值大于第三预设阈值,则确定所述节点的类型为薄弱节点类型;反之,确定所述节点的类型为正常节点类型。
12.根据权利要求10或11所述的系统,其特征在于,所述节点类型确定单元,还包括:
根据节点对应的每一层的小波分解系数和预设系统平衡节点对应的每一层的小波分解系数,确定节点对应的欧式距离;
对于任一节点,若该任一节点对应的欧式距离小于等于预设距离阈值,则确定该任一节点的类型为正常节点类型。
13.根据权利要求10或11所述的系统,其特征在于,所述系统还包括:
类型更新单元,用于对于任一类别的所有节点,当该任一类别的所有节点的类型均为正常节点类型时,选取该任一类别的所有节点中差值的绝对值最大的节点为目标节点,并重新确定所述目标节点的类型为薄弱节点类型。
14.根据权利要求8所述的系统,其特征在于,在所述数据获取单元,所述节点包括:负荷节点、直流场站节点、容抗器节点、发电机节点、调相机节点和/或新能源场站节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111558320.5A CN113949065B (zh) | 2021-12-20 | 2021-12-20 | 一种确定电力系统暂态电压稳定薄弱节点的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111558320.5A CN113949065B (zh) | 2021-12-20 | 2021-12-20 | 一种确定电力系统暂态电压稳定薄弱节点的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113949065A CN113949065A (zh) | 2022-01-18 |
CN113949065B true CN113949065B (zh) | 2022-03-01 |
Family
ID=79339393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111558320.5A Active CN113949065B (zh) | 2021-12-20 | 2021-12-20 | 一种确定电力系统暂态电压稳定薄弱节点的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113949065B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116505526B (zh) * | 2023-06-30 | 2023-08-22 | 中国电力科学研究院有限公司 | 基于电压受扰曲线多摆特征的电压稳定分析方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1847867A (zh) * | 2006-03-24 | 2006-10-18 | 西南交通大学 | 电力暂态信号小波分析后处理方法及其装置 |
CN103018629A (zh) * | 2012-11-23 | 2013-04-03 | 广东电网公司电力科学研究院 | 一种基于马拉算法的电力系统故障录波数据分析方法 |
CN109581270A (zh) * | 2019-01-14 | 2019-04-05 | 四川大学 | 基于小波多尺度变换快速辨识cvt故障的方法 |
CN113517693A (zh) * | 2021-09-13 | 2021-10-19 | 国网江西省电力有限公司电力科学研究院 | 一种弱电压暂态稳定节点分析方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108535636A (zh) * | 2018-05-16 | 2018-09-14 | 武汉大学 | 一种模拟电路基于参数随机分布邻近嵌入胜者为王的故障特征提取方法 |
-
2021
- 2021-12-20 CN CN202111558320.5A patent/CN113949065B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1847867A (zh) * | 2006-03-24 | 2006-10-18 | 西南交通大学 | 电力暂态信号小波分析后处理方法及其装置 |
CN103018629A (zh) * | 2012-11-23 | 2013-04-03 | 广东电网公司电力科学研究院 | 一种基于马拉算法的电力系统故障录波数据分析方法 |
CN109581270A (zh) * | 2019-01-14 | 2019-04-05 | 四川大学 | 基于小波多尺度变换快速辨识cvt故障的方法 |
CN113517693A (zh) * | 2021-09-13 | 2021-10-19 | 国网江西省电力有限公司电力科学研究院 | 一种弱电压暂态稳定节点分析方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113949065A (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | A hybrid forecasting approach applied in wind speed forecasting based on a data processing strategy and an optimized artificial intelligence algorithm | |
Yang et al. | Fault diagnosis for energy internet using correlation processing-based convolutional neural networks | |
Zhang et al. | A novel hybrid model for wind speed prediction based on VMD and neural network considering atmospheric uncertainties | |
Lei et al. | Short-term wind speed forecasting model for wind farm based on wavelet decomposition | |
CN105184391A (zh) | 基于小波分解和支持向量机的风电场风速与功率预测方法 | |
CN113949069B (zh) | 确定高比例新能源电力系统暂态电压稳定性的方法及系统 | |
Zhao et al. | Distributed risk-limiting load restoration for wind power penetrated bulk system | |
CN116703183A (zh) | 一种新型配电网系统用电负荷评估方法 | |
CN113949065B (zh) | 一种确定电力系统暂态电压稳定薄弱节点的方法及系统 | |
Biserica et al. | Network partition for coordinated control in active distribution networks | |
Xie et al. | Power system economic dispatch with spatio-temporal wind forecasts | |
CN112183641A (zh) | 融合预估-校正深度学习的暂态频率稳定评估方法及系统 | |
Pagnetti et al. | Impact of wind power production in a European Optimal Power Flow | |
CN116596144B (zh) | 融入频率注意力的混合深度学习电力负荷预测方法及系统 | |
CN111313403A (zh) | 一种基于马尔可夫随机场的低压配电系统网络拓扑识别方法 | |
CN110661258A (zh) | 一种电力系统灵活性资源分布式鲁棒优化方法 | |
CN111414354A (zh) | 一种风电场数据的处理方法、装置及计算机可读存储介质 | |
Upadhyaya et al. | Evaluation of power quality disturbance in PV-connected IEEE-14 bus system using lifting-based wavelet transform and random forest | |
CN106054665B (zh) | 一种大规模光伏逆变器系统的分群等值建模方法 | |
Junli et al. | Wind speed and power forecasting based on RBF neural network | |
CN116559584A (zh) | 一种自适应电压暂降波形分解方法及系统 | |
CN113779861B (zh) | 光伏功率的预测方法及终端设备 | |
Yang et al. | Short-term wind power prediction based on CEEMDAN and parallel CNN-LSTM | |
Dong et al. | An integrated ultra short term power forecasting method for regional wind–pv–hydro | |
CN111224992A (zh) | 基于生成对抗网络的电能质量信号压缩重构方法 |
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 |