CN115276097A - 一种基于数据驱动的电力系统小干扰校正控制方法及系统 - Google Patents

一种基于数据驱动的电力系统小干扰校正控制方法及系统 Download PDF

Info

Publication number
CN115276097A
CN115276097A CN202210996226.6A CN202210996226A CN115276097A CN 115276097 A CN115276097 A CN 115276097A CN 202210996226 A CN202210996226 A CN 202210996226A CN 115276097 A CN115276097 A CN 115276097A
Authority
CN
China
Prior art keywords
power system
damping ratio
minimum damping
power
data
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
Application number
CN202210996226.6A
Other languages
English (en)
Inventor
阳育德
张秀
杨莉贞
李滨
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.)
Guangxi University
Original Assignee
Guangxi University
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 Guangxi University filed Critical Guangxi University
Priority to CN202210996226.6A priority Critical patent/CN115276097A/zh
Publication of CN115276097A publication Critical patent/CN115276097A/zh
Pending legal-status Critical Current

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • 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
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (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

本发明涉及一种基于数据驱动的电力系统小干扰校正控制方法及系统，属于电力系统小干扰评估和优化领域。方法包括：获取数据集；数据集包括训练数据集和测试数据集；利用训练数据集对小干扰稳定评估模型进行训练，得到训练好的小干扰稳定评估模型；将测试数据集输入训练好的小干扰稳定评估模型，得到估算的最小阻尼比；根据估算的最小阻尼比判断电力系统的运行状态；若电力系统处于弱阻尼运行状态，则校正估算的最小阻尼比，使电力系统小干扰稳定；若电力系统处于非弱阻尼运行状态，则确定电力系统小干扰稳定。采用本发明的方法对电力系统的小干扰稳定性进行评估及校正，降低了工作强度，提高电力系统运行的稳定性。

Description

一种基于数据驱动的电力系统小干扰校正控制方法及系统
技术领域
本发明涉及电力系统小干扰评估和优化领域，特别是涉及一种基于数据驱动的电力系统小干扰校正控制方法及系统。
背景技术
中国的能源分布不均衡，北方拥有大部分的风能、煤炭资源，而水资源则绝大部分在中部和南部地区，负载大多分布在东部和南部且距离能源中心有较远的距离。针对能源分布的现状，电网采用交直流混联的互联的形式，实现资源的充分合理利用。区域电网的互联互通，新能源元件接入电网等情况致使电网结构日趋复杂，尤其是由于阻尼不足引起的机电振荡问题，使得系统的安全稳定控制面临严峻的考验。
近年来，人工智能技术和数据驱动建模迅速发展，当前的研究热点之一为基于样本学习的稳定性评估。目前，相关研究主要集中在暂态稳定性评估模型上，而针对基于数据驱动的小干扰稳定评估模型研究才刚刚起步。从公开的文献来看，大多数研究基于一种人工智能方法，建立小干扰稳定评估模型。评估模型以系统可测量或可调量，例如负载功率、支路功率、发电机输出、母线电压、相角等作为模型输入，以可以表征系统稳定状态的特征值或阻尼比作为模型的输出，实现对模型输出的估算，从而判断系统小干扰稳定性。
对于系统出现低频振荡的情况，需要进行校正控制，采取相应的措施消除不安全运行工况。阻尼是影响低频振荡的关键因素，改变电网结构、增强控制设备和调整运行方式是常用来抑制低频振荡，提高系统阻尼比的控制措施。系统结构是影响功角大小的关键因素之一。因此，系统的电气联系紧密可能会有阻尼振荡的情况发生，通过对互联度不高的系统的一次设备进行增建，比如架设线路、修建变电站等，以提高机电振荡模式的阻尼。增强控制设备是抑制低频振荡的措施中重要的一类措施，主要包括装设PSS、可控串补、静止无功补偿器等阻尼调制方式。调整发电机有功出力是调整运行方式的措施。通过对灵敏度较高机组出力的调节，调控潮流和电压分布，进而提高系统振荡模式的阻尼，实现对系统低频振荡的抑制。有功调节改变阻尼比的过程中有两个主要环节，分别为确定参与调节的机组和确定参调机组的调整量。有功调制以各台发电机的阻尼比灵敏度大小作为参考，调整量按照权重分配给各发电机，或者控制调整机组的数量，构造各发电机的组合，分别确定发电机的有功功率上下调整量，取有功变化量最小制定调制量。而增强控制设备存在设备复杂，运行人员工作强度大，调节效率低，仍然存在小干扰稳定性差的问题，导致电力系统不能安全稳定运行。
发明内容
本发明的目的是提供一种基于数据驱动的电力系统小干扰校正控制方法及系统，以解决现有技术中的小干扰稳定性的评估及校正效率低，导致电力系统不能安全稳定运行的问题。
为实现上述目的，本发明提供了如下方案：
一种基于数据驱动的电力系统小干扰校正控制方法，包括：
获取数据集；所述数据集包括含小水电的电力系统的负载功率、支路功率、发电机输出功率和最小阻尼比；所述数据集包括训练数据集和测试数据集；
利用所述训练数据集对小干扰稳定评估模型进行训练，得到训练好的小干扰稳定评估模型；
将所述测试数据集输入所述训练好的小干扰稳定评估模型，得到估算的最小阻尼比；
根据所述估算的最小阻尼比判断电力系统的运行状态；所述运行状态包括弱阻尼运行状态和非弱阻尼运行状态；
若所述电力系统处于弱阻尼运行状态，则校正所述估算的最小阻尼比，使所述电力系统小干扰稳定；
若所述电力系统处于非弱阻尼运行状态，则确定所述电力系统小干扰稳定。
可选地，所述根据所述估算的最小阻尼比判断电力系统的运行状态，具体包括：
判断所述估算的最小阻尼比是否大于设定阈值，得到第一判断结果；
若所述第一判断结果为所述估算的最小阻尼比小于所述设定阈值，则确定所述电力系统处于弱阻尼运行状态；
若所述第一判断结果为所述估算的最小阻尼比不小于所述设定阈值，则确定所述电力系统处于非弱阻尼运行状态。
可选地，所述若所述电力系统处于弱阻尼运行状态，则校正所述估算的最小阻尼比，使所述电力系统小干扰稳定，具体包括：
计算所述估算的最小阻尼比的灵敏度；
根据所述灵敏度和稳定裕度建立发动机有功调制最优模型；
根据所述发动机有功调制最优模型确定发动机最优调节量；
根据所述发动机最优调节量对发动机的有功出力进行调节，得到调节后的电力系统数据；所述调节后的发电机数据包括调节后的负载功率、调节后的支路功率和调节后的发电机输出功率；
基于所述调节后的电力系统数据利用所述训练好的小干扰稳定评估模型对调节后的电力系统的最小阻尼比进行估算，得到校正后的最小阻尼比；
判断所述校正后的最小阻尼比是否达到稳定裕度，得到第二判断结果；
若所述第二判断结果为所述校正后的最小阻尼比未达到稳定裕度，则返回“建立发动机有功调制最优模型”的步骤；
若所述第二判断结果为所述校正后的最小阻尼比达到稳定裕度，则确定所述电力系统小干扰稳定。
可选地，所述设定阈值取0.3～0.5范围内的值。
一种基于数据驱动的电力系统小干扰校正控制系统，包括：
数据获取模块，用于获取数据集；所述数据集包括含小水电的电力系统的负载功率、支路功率、发电机输出功率和最小阻尼比；所述数据集包括训练数据集和测试数据集；
模型训练模块，用于利用所述训练数据集对小干扰稳定评估模型进行训练，得到训练好的小干扰稳定评估模型；
阻尼比估算模块，用于将所述测试数据集输入所述训练好的小干扰稳定评估模型，得到估算的最小阻尼比；
运行状态判断模块，用于根据所述估算的最小阻尼比判断电力系统的运行状态；所述运行状态包括弱阻尼运行状态和非弱阻尼运行状态；
校正模块，用于若所述电力系统处于弱阻尼运行状态，则校正所述估算的最小阻尼比，使所述电力系统小干扰稳定；
小干扰稳定性确定模块，用于若所述电力系统处于非弱阻尼运行状态，则确定所述电力系统小干扰稳定。
可选地，所述运行状态判断模块，包括：
第一判断单元，用于判断所述估算的最小阻尼比是否大于设定阈值，得到第一判断结果；
第一运行状态确定单元，用于若所述第一判断结果为所述估算的最小阻尼比小于所述设定阈值，则确定所述电力系统处于弱阻尼运行状态；
第二运行状态确定单元，用于若所述第一判断结果为所述估算的最小阻尼比不小于所述设定阈值，则确定所述电力系统处于非弱阻尼运行状态。
可选地，所述校正模块，包括：
灵敏度计算单元，用于计算所述估算的最小阻尼比的灵敏度；
优化模型建立单元，用于根据所述灵敏度和稳定裕度建立发动机有功调制最优模型；
调节量确定单元，用于根据所述发动机有功调制最优模型确定发动机最优调节量；
调节单元，用于根据所述发动机最优调节量对发动机的有功出力进行调节，得到调节后的电力系统数据；所述调节后的发电机数据包括调节后的负载功率、调节后的支路功率和调节后的发电机输出功率；
估算单元，用于基于所述调节后的电力系统数据利用所述训练好的小干扰稳定评估模型对调节后的电力系统的最小阻尼比进行估算，得到校正后的最小阻尼比；
第二判断单元，用于判断所述校正后的最小阻尼比是否达到稳定裕度，得到第二判断结果；
第一执行单元，用于若所述第二判断结果为所述校正后的最小阻尼比未达到稳定裕度，则返回“建立发动机有功调制最优模型”的步骤；
第二执行单元，用于若所述第二判断结果为所述校正后的最小阻尼比达到稳定裕度，则确定所述电力系统小干扰稳定。
可选地，所述设定阈值取0.3～0.5范围内的值。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明通过建立小干扰稳定评估模型，估算电力系统运行时的最小阻尼比。随后判断电力系统是否处于弱阻尼运行状态，若处于弱阻尼状态，则建立发电机有功调制最优模型，求出使系统达到稳定运行状态时的发电机最优调节量，对电力系统的最小阻尼比进行校正。然后，利用小干扰稳定评估模型估算经校正后的最小阻尼比，使最小阻尼比达到设定阈值，实现了电力系统的稳定运行。采用本发明的方法对电力系统的小干扰稳定性进行评估及校正，降低了工作强度，提高电力系统运行的稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于数据驱动的电力系统小干扰校正控制方法的流程图；
图2为本发明在实际应用中的含小水电电力系统小干扰稳定评估方法的流程示意框图；
图3为本发明在实际应用中的含小水电电力系统小干扰稳定校正控制方法的流程示意框图；
图4为LightGBM模型估算最小阻尼比的估算误差与实际误差对比图；
图5为为本发明提供的一种基于数据驱动的电力系统小干扰校正控制系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于数据驱动的电力系统小干扰校正控制方法及系统，以解决现有技术中的小干扰稳定性的评估及校正效率低，导致电力系统不能安全稳定运行的问题。
本发明所要解决的技术问题在于对含小水电的电力系统进行小干扰稳定评估，采用人工智能方法建立小干扰稳定评估模型，估算系统运行时的最小阻尼比。随后判断系统是否处于弱阻尼运行状态，若处于弱阻尼状态，根据人工智能模型估算发电机阻尼比近似灵敏度，以稳定约束及发电机功率平衡作为约束条件，发电机有功变化量的平方和最小为目标，有效兼顾控制代价的经济性，建立发电机有功调制最优模型，求出使电力系统达到稳定运行状态时的发电机最优调节量。然后，利用人工智能模型估算经校正后的最小阻尼，得到模型准确度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
数据驱动：随着大数据的兴起而被人们所关注并频繁使用，数据驱动与数字化转型紧密结合，数字化转型的根本是通过大数据、人工智能、云计算、移动互联网等新技术来推动业务的增长。数据驱动是通过移动互联网或者其他的相关软件为手段采集海量的数据，将数据进行组织形成信息，之后对相关的信息进行整合和提炼，在数据的基础上经过训练和拟合形成自动化的决策模型。当新的情况发生，新数据输入的时候，系统可以用前面建立的模型以人工智能的方式直接进行决策。
人工智能：是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息等过程进行模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
小干扰稳定：是指在受到小的扰动下，系统不发生自发振荡和周期性失步，恢复到受扰动前或与其接近的可接受的运行状态的能力。
图1为本发明提供的一种基于数据驱动的电力系统小干扰校正控制方法的流程图，如图1所示，本发明的一种基于数据驱动的电力系统小干扰校正控制方法包括：
步骤101：获取数据集。所述数据集包括含小水电的电力系统的负载功率、支路功率、发电机输出功率和最小阻尼比；所述数据集包括训练数据集和测试数据集。
在实际应用中，采集含小水电系统的负载功率、支路功率、发电机输出功率以及最小阻尼比等运行数据，所获取的数据为电网的实时运行数据。根据采集到的数据形成用来训练小干扰稳定评估模型的数据集。通过热力图表示输入数据之间的相关性。
步骤102：利用所述训练数据集对小干扰稳定评估模型进行训练，得到训练好的小干扰稳定评估模型。选择适当的人工智能模型(即小干扰稳定评估模型)得到数据集中输入和输出之间的关系，调整模型的参数，使模型评估达到较好的效果，从而得到训练好的小干扰稳定评估模型。
在实际应用中，假设样本(数据集)中共有k组数据，负载功率和发电机输出功率作为输入变量x，电力系统运行最小阻尼比作为输出变量y。此外，支路功率在一定程度上包含了电力系统的拓扑信息，本发明还考虑了将部分支路功率作为输入，使模型能够适应电力系统拓扑结构的变化。
x＝[PLi QLi PGi QGi Pij Qij]
y＝[ξmin]
其中，PLi,QLi分别为各负载的有功功率和无功功率，PGi,QGi分别为各发电机输出的有功功率和无功功率，Pij,Qij分别为节点i、j之间的支路有功功率和支路无功功率，ξmin表示系统运行的最小阻尼比。
本发明采用平均绝对百分比误差(MAPE)和均方根误差(RMSE)评价小干扰稳定评估模型的准确性。
Figure BDA0003805473390000081
Figure BDA0003805473390000082
其中，n表示测试集的输出个数，hact(i)和hpred(i)分别表示第i组样本最小阻尼比的实际值和估算值。
步骤103：将所述测试数据集输入所述训练好的小干扰稳定评估模型，得到估算的最小阻尼比。利用训练好的小干扰稳定评估模型估算电力系统运行的最小阻尼比，实现小干扰稳定性的评估，如图2所示。
步骤104：根据所述估算的最小阻尼比判断电力系统的运行状态。所述运行状态包括弱阻尼运行状态和非弱阻尼运行状态。
进一步地，所述步骤104，具体包括：
判断所述估算的最小阻尼比是否大于设定阈值，得到第一判断结果。
若所述第一判断结果为所述估算的最小阻尼比小于所述设定阈值，则确定所述电力系统处于弱阻尼运行状态。
若所述第一判断结果为所述估算的最小阻尼比不小于所述设定阈值，则确定所述电力系统处于非弱阻尼运行状态。
在实际应用中，查看估算的最小阻尼比的值，判断估算的最小阻尼比是否大于设定的稳定阈值(设定阈值)，一般取0.03-0.05；若估算的最小阻尼比大于稳定阈值，则认为该电力系统是小干扰稳定的；若阻尼比小于稳定阈值，则电力系统易出现低频振荡现象，启动小干扰稳定校正控制程序。
步骤105：若所述电力系统处于弱阻尼运行状态，则校正所述估算的最小阻尼比，使所述电力系统小干扰稳定。
进一步地，所述步骤105，具体包括：
步骤1051：计算所述估算的最小阻尼比的灵敏度。发电机x有功功率相对于最小阻尼比的灵敏度Cx可以通过有功功率的变化量Δpx与对应的最小阻尼比的变化量Δξx计算得到。
Figure BDA0003805473390000091
其中，ΔPx为发电机x对应的有功调节量，x＝1,2,3，...，n，n为系统发电机总数，ΔPx的大小要满足发电机的上下限约束。
电力系统各发电机对应的最小阻尼比的灵敏度系数方程为：
Δξ＝C1ΔP1+C2ΔP2+…+CnΔPn
步骤1052：根据所述灵敏度和稳定裕度建立发动机有功调制最优模型。在实际应用中，采用阻尼比约束、功率平衡约束及系统总的阻尼比变化量与各发电机有功功率变化量之间的约束作为约束条件，调整的发电机有功功率平方总和为最小作为目标函数。
待优化的目标函数为：调整的发电机有功功率平方总和为最小。
Figure BDA0003805473390000092
约束条件包括等式约束条件和不等式约束条件。
等式约束条件：
系统总的阻尼比变化量与各发电机有功功率变化量之间的约束。
Figure BDA0003805473390000093
不等式约束条件：
功率平衡约束：
Figure BDA0003805473390000101
其中，Pi0为发电机i的有功功率，Pi min和Pi max为发电机i输出有功功率的下限和上限。
阻尼比约束：
ξ0+Δξ≥ξlimit
其中，ξlimit为系统稳定运行的最小阻尼比下限，ξ0为初始状态下电力系统的最小阻尼比，Δξ为各发电机有功调制后最小阻尼比的变化量。
步骤1053：根据所述发动机有功调制最优模型确定发动机最优调节量。
步骤1054：根据所述发动机最优调节量对发动机的有功出力进行调节，得到调节后的电力系统数据。所述调节后的发电机数据包括调节后的负载功率、调节后的支路功率和调节后的发电机输出功率。
步骤1055：基于所述调节后的电力系统数据利用所述训练好的小干扰稳定评估模型对调节后的电力系统的最小阻尼比进行估算，得到校正后的最小阻尼比。
步骤1056：判断所述校正后的最小阻尼比是否达到稳定裕度，得到第二判断结果。
步骤1057：若所述第二判断结果为所述校正后的最小阻尼比未达到稳定裕度，则返回“建立发动机有功调制最优模型”的步骤。
步骤1058：若所述第二判断结果为所述校正后的最小阻尼比达到稳定裕度，则确定所述电力系统小干扰稳定。
在实际应用中，建立发动机有功调制最优模型，对发电机有功改变量(发动机调节量)进行优化，校正最小阻尼比的值。
依据训练好的小干扰稳定评估模型，对校正后的最小阻尼比进行估算，在进行调节后，判断是否达到稳定裕度，若没有达到，返回到校正控制优化模型 (发动机有功调制最优模型)中，进行第二次校正，直到达到稳定裕度为止，恢复含小水电电力系统的安全稳定的运行，如图3所示。
步骤106：若所述电力系统处于非弱阻尼运行状态，则确定所述电力系统小干扰稳定。
现以IEEE 10机39节点系统为例，对该系统进行实时的低频振荡运行分析及最优校正控制。分析步骤如下：
该电力系统有39根母线、10台发电机和46条传输线。
获得含小水电的电力系统的负载功率、支路功率、发电机输出功率以及最小阻尼比等运行数据。
根据采集到的数据形成用来训练人工智能模型的数据集。
通过热力图表示输入数据之间的相关性。
选择适当的人工智能模型，将上一步中得到的数据集带入到模型中进行训练，得到数据集中输入和输出之间的关系，调整模型的参数，使模型评估达到较好的效果，估算系统运行的最小阻尼比，实现小干扰稳定评估，将测试集输入到训练好的模型中，得到模型估算后的最小阻尼比。
查看最小阻尼比的值，判断阻尼比是否存大于设定的稳定阈值，一般取 0.03-0.05；若最小阻尼比大于稳定阈值，则认为该系统是小干扰稳定的；若最小阻尼比小于稳定阈值，则系统易出现低频振荡现象，启动小干扰稳定校正控制程序。
建立校正控制优化模型，对发电机有功改变量进行优化，校正最小阻尼比的值。
依据建立的小干扰稳定评估模型，对校正后的最小阻尼比进行估算，在进行调节后，判断是否达到稳定裕度，若没有达到，返回到校正控制优化模型中，进行第二次校正，直到达到稳定裕度为止，恢复含小水电电力系统的安全稳定的运行。
在含小水电电力系统的运行中，本方法对被计算电力系统的小干扰稳定运行评估及校正控制效果明显。下面举个实例进行说明：
使电力系统负载在70％～130％之间随机波动，发电机输出有功功率和无功功率波动30％，且保证电力系统功率平衡。采用数值方法计算不同运行水平下的阻尼比，阻尼比范围为0-0.02，构建数据集。
采用LightGBM算法构建小干扰稳定评估模型。利用MAPE和RMSE表示估算结果的准确性，估算情况如表1及图4所示。
表1小干扰稳定评估模型估算结果表
Figure BDA0003805473390000121
由图3可知，LightGBM模型的最大误差出现在约125-175组样本之间， LightGBM模型的误差整体波动范围较小，对应的平均误差较小。
电力系统的弱阻尼运行状态需及时消除或改善，当最小阻尼比低于0.03 时，触发电力系统的小干扰稳定预警，避免发生电力系统解列等严重后果。样本集中阻尼比范围为0-0.02，随机选取一组数据进行校正研究，确定优化后的发电机组调节量。通过LightGBM模型估算的各发电机阻尼比灵敏度结果如表 2所示，其中，G1机组设定为系统的平衡机组，灵敏度为0。
表2 LightGBM模型估算的各发电机最小阻尼比灵敏度结果表
Figure BDA0003805473390000122
Figure BDA0003805473390000131
LightGBM模型估算发电机G33、G37的估算灵敏度与实际灵敏度之间的误差稍大，其余发电机估算的灵敏度与实际灵敏度相差不大。随后根据估算的灵敏度得到发电机有功调整量，进行系统优化校正控制。
基于LightGBM模型的发电机的有功功率调制和校正后最小阻尼比的估算情况如表3所示。发电机G33、G34、G35、G36和G38机组的有功功率调节量高于其他机组，均超过了13MW，对应的阻尼比灵敏度也相对较高。调整量较小的机组为G39，变化量在2MW，其阻尼比灵敏度也是最小的。对弱阻尼系统进行校正，主要调整阻尼比灵敏度较大的发电机组对应的有功功率输出，以有效改变阻尼比，使阻尼比达到设定的小干扰稳定阈值，消除弱阻尼状态。经校正后的实际阻尼比为0.0335，LightGBM模型估算的校正后的阻尼比均大于0.03，满足校正要求，所提数据驱动模型仅需一次校正调整就可将系统阻尼比提高到稳定阈值之上，适用于估算和修正最小阻尼比，提高系统的稳定性。
表3发电机的有功功率调制和校正后最小阻尼比的估算情况表
Figure BDA0003805473390000132
通过上述例子说明：对于处于弱阻尼模态的系统，利用本发明提出的校正控制方法，可以提高电力系统最小阻尼比，使最小阻尼比达到设定的稳定阈值之上，保证电力系统稳定运行，将所得到的校正方案带入到LightGBM模型中，可以较准确的估算出校正后的最小阻尼比。
本发明利用人工智能方法建立输入与输出之间的映射关系，采用离线建立的小干扰稳定评估模型对电力系统小干扰稳定性进行估算评估，同时估算各发电机的近似阻尼比灵敏度。若估算的最小阻尼比大于设定的稳定阈值，电力系统是小干扰稳定的；若估算的最小阻尼比小于设定的稳定阈值，电力系统则处于弱阻尼或不稳定运行状态，弱阻尼模式会影响电力系统的小干扰稳定性，需要对发电机的有功功率进行调制，由优化算法确定有功功率的调节量，将最小阻尼比提高到稳定阈值以上。根据设定的稳定裕度和灵敏度建立校正控制优化模型(发动机有功调制最优模型)，得到优化计算后的调整策略来调节发电机的有功出力，保证系统安全稳定运行。
与现有技术相比，本发明具备以下有益效果：
1、结合当下热门研究方向，数据驱动方法与电力系统相结合，评估电力系统小干扰稳定性，能够校正被评估的含小水电电力系统在运行过程中发生的低频振荡现象，提高电力系统运行稳定性。
2、能够使电网的静态安全稳定运行方式的制定变得简单易行，缩短了工作流程和制定时间，减轻运行人员工作强度和压力，全面提高电网运行的电压质量和安全稳定性。
本发明还提供了一种基于数据驱动的电力系统小干扰校正控制系统，如图 5所示，所述系统包括：
数据获取模块501，用于获取数据集。所述数据集包括含小水电的电力系统的负载功率、支路功率、发电机输出功率和最小阻尼比。所述数据集包括训练数据集和测试数据集。
模型训练模块502，用于利用所述训练数据集对小干扰稳定评估模型进行训练，得到训练好的小干扰稳定评估模型。
阻尼比估算模块503，用于将所述测试数据集输入所述训练好的小干扰稳定评估模型，得到估算的最小阻尼比。
运行状态判断模块504，用于根据所述估算的最小阻尼比判断电力系统的运行状态；所述运行状态包括弱阻尼运行状态和非弱阻尼运行状态。
校正模块505，用于若所述电力系统处于弱阻尼运行状态，则校正所述估算的最小阻尼比，使所述电力系统小干扰稳定。
小干扰稳定性确定模块506，用于若所述电力系统处于非弱阻尼运行状态，则确定所述电力系统小干扰稳定。
进一步地，所述运行状态判断模块504，包括：
第一判断单元，用于判断所述估算的最小阻尼比是否大于设定阈值，得到第一判断结果。
第一运行状态确定单元，用于若所述第一判断结果为所述估算的最小阻尼比小于所述设定阈值，则确定所述电力系统处于弱阻尼运行状态。
第二运行状态确定单元，用于若所述第一判断结果为所述估算的最小阻尼比不小于所述设定阈值，则确定所述电力系统处于非弱阻尼运行状态。
进一步地，所述校正模块505，包括：
灵敏度计算单元，用于计算所述估算的最小阻尼比的灵敏度。
优化模型建立单元，用于根据所述灵敏度和稳定裕度建立发动机有功调制最优模型。
调节量确定单元，用于根据所述发动机有功调制最优模型确定发动机最优调节量。
调节单元，用于根据所述发动机最优调节量对发动机的有功出力进行调节，得到调节后的电力系统数据。所述调节后的发电机数据包括调节后的负载功率、调节后的支路功率和调节后的发电机输出功率。
估算单元，用于基于所述调节后的电力系统数据利用所述训练好的小干扰稳定评估模型对调节后的电力系统的最小阻尼比进行估算，得到校正后的最小阻尼比。
第二判断单元，用于判断所述校正后的最小阻尼比是否达到稳定裕度，得到第二判断结果。
第一执行单元，用于若所述第二判断结果为所述校正后的最小阻尼比未达到稳定裕度，则返回“建立发动机有功调制最优模型”的步骤。
第二执行单元，用于若所述第二判断结果为所述校正后的最小阻尼比达到稳定裕度，则确定所述电力系统小干扰稳定。
进一步地，所述设定阈值取0.3～0.5范围内的值。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于数据驱动的电力系统小干扰校正控制方法，其特征在于，包括：
获取数据集；所述数据集包括含小水电的电力系统的负载功率、支路功率、发电机输出功率和最小阻尼比；所述数据集包括训练数据集和测试数据集；
利用所述训练数据集对小干扰稳定评估模型进行训练，得到训练好的小干扰稳定评估模型；
将所述测试数据集输入所述训练好的小干扰稳定评估模型，得到估算的最小阻尼比；
根据所述估算的最小阻尼比判断电力系统的运行状态；所述运行状态包括弱阻尼运行状态和非弱阻尼运行状态；
若所述电力系统处于弱阻尼运行状态，则校正所述估算的最小阻尼比，使所述电力系统小干扰稳定；
若所述电力系统处于非弱阻尼运行状态，则确定所述电力系统小干扰稳定。
2.根据权利要求1所述的基于数据驱动的电力系统小干扰校正控制方法，其特征在于，所述根据所述估算的最小阻尼比判断电力系统的运行状态，具体包括：
判断所述估算的最小阻尼比是否大于设定阈值，得到第一判断结果；
若所述第一判断结果为所述估算的最小阻尼比小于所述设定阈值，则确定所述电力系统处于弱阻尼运行状态；
若所述第一判断结果为所述估算的最小阻尼比不小于所述设定阈值，则确定所述电力系统处于非弱阻尼运行状态。
3.根据权利要求2所述的基于数据驱动的电力系统小干扰校正控制方法，其特征在于，所述若所述电力系统处于弱阻尼运行状态，则校正所述估算的最小阻尼比，使所述电力系统小干扰稳定，具体包括：
计算所述估算的最小阻尼比的灵敏度；
根据所述灵敏度和稳定裕度建立发动机有功调制最优模型；
根据所述发动机有功调制最优模型确定发动机最优调节量；
根据所述发动机最优调节量对发动机的有功出力进行调节，得到调节后的电力系统数据；所述调节后的发电机数据包括调节后的负载功率、调节后的支路功率和调节后的发电机输出功率；
基于所述调节后的电力系统数据利用所述训练好的小干扰稳定评估模型对调节后的电力系统的最小阻尼比进行估算，得到校正后的最小阻尼比；
判断所述校正后的最小阻尼比是否达到稳定裕度，得到第二判断结果；
若所述第二判断结果为所述校正后的最小阻尼比未达到稳定裕度，则返回“建立发动机有功调制最优模型”的步骤；
若所述第二判断结果为所述校正后的最小阻尼比达到稳定裕度，则确定所述电力系统小干扰稳定。
4.根据权利要求2所述的基于数据驱动的电力系统小干扰校正控制方法，其特征在于，所述设定阈值取0.3～0.5范围内的值。
5.一种基于数据驱动的电力系统小干扰校正控制系统，其特征在于，包括：
数据获取模块，用于获取数据集；所述数据集包括含小水电的电力系统的负载功率、支路功率、发电机输出功率和最小阻尼比；所述数据集包括训练数据集和测试数据集；
模型训练模块，用于利用所述训练数据集对小干扰稳定评估模型进行训练，得到训练好的小干扰稳定评估模型；
阻尼比估算模块，用于将所述测试数据集输入所述训练好的小干扰稳定评估模型，得到估算的最小阻尼比；
运行状态判断模块，用于根据所述估算的最小阻尼比判断电力系统的运行状态；所述运行状态包括弱阻尼运行状态和非弱阻尼运行状态；
校正模块，用于若所述电力系统处于弱阻尼运行状态，则校正所述估算的最小阻尼比，使所述电力系统小干扰稳定；
小干扰稳定性确定模块，用于若所述电力系统处于非弱阻尼运行状态，则确定所述电力系统小干扰稳定。
6.根据权利要求5所述的基于数据驱动的电力系统小干扰校正控制系统，其特征在于，所述运行状态判断模块，包括：
第一判断单元，用于判断所述估算的最小阻尼比是否大于设定阈值，得到第一判断结果；
第一运行状态确定单元，用于若所述第一判断结果为所述估算的最小阻尼比小于所述设定阈值，则确定所述电力系统处于弱阻尼运行状态；
第二运行状态确定单元，用于若所述第一判断结果为所述估算的最小阻尼比不小于所述设定阈值，则确定所述电力系统处于非弱阻尼运行状态。
7.根据权利要求6所述的基于数据驱动的电力系统小干扰校正控制系统，其特征在于，所述校正模块，包括：
灵敏度计算单元，用于计算所述估算的最小阻尼比的灵敏度；
优化模型建立单元，用于根据所述灵敏度和稳定裕度建立发动机有功调制最优模型；
调节量确定单元，用于根据所述发动机有功调制最优模型确定发动机最优调节量；
调节单元，用于根据所述发动机最优调节量对发动机的有功出力进行调节，得到调节后的电力系统数据；所述调节后的发电机数据包括调节后的负载功率、调节后的支路功率和调节后的发电机输出功率；
估算单元，用于基于所述调节后的电力系统数据利用所述训练好的小干扰稳定评估模型对调节后的电力系统的最小阻尼比进行估算，得到校正后的最小阻尼比；
第二判断单元，用于判断所述校正后的最小阻尼比是否达到稳定裕度，得到第二判断结果；
第一执行单元，用于若所述第二判断结果为所述校正后的最小阻尼比未达到稳定裕度，则返回“建立发动机有功调制最优模型”的步骤；
第二执行单元，用于若所述第二判断结果为所述校正后的最小阻尼比达到稳定裕度，则确定所述电力系统小干扰稳定。
8.根据权利要求6所述的基于数据驱动的电力系统小干扰校正控制系统，其特征在于，所述设定阈值取0.3～0.5范围内的值。
CN202210996226.6A 2022-08-19 2022-08-19 一种基于数据驱动的电力系统小干扰校正控制方法及系统 Pending CN115276097A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210996226.6A CN115276097A (zh) 2022-08-19 2022-08-19 一种基于数据驱动的电力系统小干扰校正控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210996226.6A CN115276097A (zh) 2022-08-19 2022-08-19 一种基于数据驱动的电力系统小干扰校正控制方法及系统

Publications (1)

Publication Number Publication Date
CN115276097A true CN115276097A (zh) 2022-11-01

Family

ID=83753042

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210996226.6A Pending CN115276097A (zh) 2022-08-19 2022-08-19 一种基于数据驱动的电力系统小干扰校正控制方法及系统

Country Status (1)

Country Link
CN (1) CN115276097A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115422851A (zh) * 2022-11-04 2022-12-02 南方电网数字电网研究院有限公司 电力系统元件模型校准方法、装置、设备和存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115422851A (zh) * 2022-11-04 2022-12-02 南方电网数字电网研究院有限公司 电力系统元件模型校准方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
Liu et al. Model predictive control for load frequency of hybrid power system with wind power and thermal power
CN105846461B (zh) 一种大规模储能电站自适应动态规划的控制方法和系统
CN105914753B (zh) 主动配电网电压实时模糊控制方法
CN109861202B (zh) 一种柔性互联配电网动态优化调度方法及系统
CN109765787B (zh) 一种基于日内-实时滚动控制的配电网源荷快速跟踪方法
Bao et al. Field verification of frequency control by energy-intensive loads for isolated power systems with high penetration of wind power
CN113131532A (zh) 一种新能源电站一次调频网络化控制方法
CN108711868A (zh) 一种计及孤岛运行电压安全的配电网无功优化规划方法
CN111258211A (zh) 一种基于模糊神经元pid的微电网频率控制系统及方法
CN115276097A (zh) 一种基于数据驱动的电力系统小干扰校正控制方法及系统
CN113469332A (zh) 基于模糊神经的虚拟同步发电机惯量阻尼自适应控制方法
CN113258590B (zh) 高风电渗透率下交直流系统分阶段电压控制方法及系统
CN114722693A (zh) 一种水轮机调节系统二型模糊控制参数的优化方法
CN108551177B (zh) 基于灵敏度分析的直流受端系统暂态切负荷控制优化方法
Li et al. Optimization strategy of secondary frequency modulation based on dynamic loss model of the energy storage unit
CN112865137B (zh) 一种变频率偏置系数的负荷频率控制方法
CN116581759A (zh) 一种输电断面有功校正控制方法、系统及设备
CN116307071A (zh) 一种高比例光伏接入低压配电网方法
CN115549216B (zh) 一种风光储场站有功-无功协调控制方法及系统
CN113098053B (zh) 一种基于合作博弈的含暂态电压安全约束的无功优化方法
CN116247742A (zh) 基于深度强化学习的电力系统源网荷储联合调控方法及装置
CN105207220A (zh) 一种基于渐进学习的分级电压调控方法
CN114069692B (zh) 用于求解电力调度问题的联合机会约束优化方法及装置
CN113013885B (zh) 基于电网薄弱点的无功优化方法及系统
CN108462205A (zh) 一种适应风电随机波动性的互联电力系统阻尼控制方法

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