邵 偉, 徐泰山, 王勝明, 郭 劍

(南瑞集團(tuán)有限公司, 南京 211106)

通訊作者: 邵 偉, E-mail: shaowei@sgepri.sgcc.com.cn

隨著跨區(qū)交直流混聯(lián)電網(wǎng)的建設(shè), 送受端電網(wǎng)的集中送出和受入輸電走廊中輸電線路越來(lái)越密集, 加之自然災(zāi)害呈頻發(fā)趨勢(shì), 電網(wǎng)發(fā)生交直流多重故障的概率大大增加.在線方式下綜合考慮大電網(wǎng)交直流交互影響、小概率事件以及外部災(zāi)害的影響, 組合生成的多重故障的規(guī)模與電網(wǎng)規(guī)模、運(yùn)行方式、外部災(zāi)害范圍等因素相關(guān), 對(duì)大電網(wǎng)來(lái)說(shuō), 其組合多重故障的數(shù)目將十分巨大, 若對(duì)所有故障進(jìn)行詳細(xì)仿真分析則其耗時(shí)較長(zhǎng), 難以滿足在線評(píng)估與預(yù)警的實(shí)時(shí)性.

近年來(lái), 數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法跨領(lǐng)域的快速發(fā)展, 為這一問(wèn)題的解決提供了新的途徑.文獻(xiàn)[1]提出了一種適應(yīng)于電網(wǎng)運(yùn)行大數(shù)據(jù)的在線分布式安全特征選擇方法, 該方法能在線挖掘出關(guān)鍵的電網(wǎng)安全運(yùn)行特征, 對(duì)運(yùn)行大數(shù)據(jù)中關(guān)鍵問(wèn)題起到了降低維數(shù)的作用.文獻(xiàn)[2]提出了一種基于支持向量機(jī)和決策函數(shù)的暫態(tài)穩(wěn)定評(píng)估方法.該方法以故障前潮流量為初始特征集, 結(jié)合暫態(tài)安全穩(wěn)定量化評(píng)估和統(tǒng)計(jì)理論方法, 提取輸入特征; 通過(guò)支持向量機(jī)訓(xùn)練暫態(tài)穩(wěn)定評(píng)估模型,得出評(píng)估模型的決策函數(shù), 并依據(jù)支持向量的決策值確定門(mén)檻值, 保證評(píng)估結(jié)果保守性.文獻(xiàn)[3]提出了一種結(jié)合上一時(shí)間斷面評(píng)估結(jié)果和電網(wǎng)實(shí)時(shí)運(yùn)行方式變化的安全穩(wěn)定裕度快速估算方法.

國(guó)外在機(jī)器學(xué)習(xí)人工智能方法在電力系統(tǒng)中應(yīng)用方面也進(jìn)行了大量的研究.文獻(xiàn)[4]通過(guò)對(duì)幾種機(jī)器學(xué)習(xí)回歸方法的研究和比較, 建立了一種預(yù)測(cè)模型, 可以預(yù)測(cè)聯(lián)合循環(huán)電廠每小時(shí)滿負(fù)荷發(fā)電量.文獻(xiàn)[5]提出一種基于神經(jīng)網(wǎng)絡(luò)的用于中壓/低壓變電站負(fù)荷預(yù)測(cè)的機(jī)器學(xué)習(xí)模型.文獻(xiàn)[6]提出一種利用譜能量和機(jī)器學(xué)習(xí)作為人工神經(jīng)網(wǎng)絡(luò), 利用k 近鄰和支持向量機(jī)對(duì)信號(hào)進(jìn)行分類(lèi)方法.文獻(xiàn)[7]提出了一種基于深度神經(jīng)網(wǎng)絡(luò)的特征提取方法.

本文融合了傳統(tǒng)的因果分析方法和大數(shù)據(jù)思維[8]方法, 提出一種基于因果分析結(jié)果構(gòu)建樣本庫(kù), 基于機(jī)器學(xué)習(xí)進(jìn)行穩(wěn)定裕度快速估算的方法, 提升分析計(jì)算的速度, 為電網(wǎng)安全穩(wěn)定快速?zèng)Q策提供依據(jù), 為電力系統(tǒng)暫態(tài)穩(wěn)定分析評(píng)估提供了新思路.

1 技術(shù)框架

技術(shù)框架如圖1 所示.

圖1 基于機(jī)器學(xué)習(xí)的電網(wǎng)暫態(tài)穩(wěn)定裕度估算技術(shù)框架圖

首先從海量的歷史量化分析或模擬仿真計(jì)算結(jié)果中, 按故障提取暫態(tài)穩(wěn)定模式, 將所有故障的穩(wěn)定模式取并集作為關(guān)鍵特征量.這種電網(wǎng)暫態(tài)穩(wěn)定關(guān)鍵特征量的提取方法, 從高維的數(shù)據(jù)中提取與電網(wǎng)暫態(tài)穩(wěn)定性密切相關(guān)的關(guān)鍵特征量, 有效降低屬性維數(shù).

其次對(duì)各故障按特征量進(jìn)行方式聚類(lèi), 生成電網(wǎng)安全運(yùn)行知識(shí)庫(kù).將海量歷史運(yùn)行方式聚類(lèi)成為若干個(gè)運(yùn)行方式簇, 同一運(yùn)行方式簇內(nèi)的數(shù)據(jù)具有比較接近的運(yùn)行方式, 并且針對(duì)同一考核故障下具有相同的暫態(tài)穩(wěn)定模式.

最后基于知識(shí)庫(kù)對(duì)當(dāng)前方式下多重故障進(jìn)行自動(dòng)匹配和穩(wěn)定裕度快速估算.比較當(dāng)前實(shí)時(shí)運(yùn)行方式與各聚類(lèi)基準(zhǔn)方式的關(guān)鍵設(shè)備投停狀態(tài)是否一致, 如果一致則計(jì)算與該聚類(lèi)基準(zhǔn)方式的距離, 選取距離大于門(mén)檻值且最小的方式簇, 從而得到當(dāng)前實(shí)時(shí)運(yùn)行方式所屬的方式簇, 并分析當(dāng)前實(shí)時(shí)運(yùn)行方式與歷史運(yùn)行方式之間的差異, 采用基于歷史分析結(jié)果的暫態(tài)穩(wěn)定裕度快速估算方法, 快速估算出當(dāng)前實(shí)時(shí)運(yùn)行方式的暫態(tài)穩(wěn)定裕度.

如果當(dāng)前實(shí)時(shí)運(yùn)行方式未匹配到任何歷史方式簇,則必須對(duì)當(dāng)前電網(wǎng)實(shí)時(shí)運(yùn)行方式進(jìn)行詳細(xì)的仿真分析,將運(yùn)行方式及仿真結(jié)果納入到歷史樣本庫(kù)中.

2 特征值提取

在機(jī)器學(xué)習(xí)的實(shí)際應(yīng)用中, 特征數(shù)量往往較多, 其中可能存在不相關(guān)的特征, 特征之間也可能存在相互依賴(lài)或冗余, 特征數(shù)量越多, 容易導(dǎo)致以下問(wèn)題:

1)分析特征、訓(xùn)練模型所需的時(shí)間增加, 模型更復(fù)雜.

2)容易引起“維度災(zāi)難”, 其推廣能力會(huì)下降.

3)容易導(dǎo)致機(jī)器學(xué)習(xí)中經(jīng)常出現(xiàn)的特征稀疏的問(wèn)題, 導(dǎo)致模型效果下降.

4)對(duì)于模型來(lái)說(shuō), 可能會(huì)導(dǎo)致不適定的情況, 即使解出的參數(shù)會(huì)因?yàn)闃颖镜奈⑿∽兓霈F(xiàn)大的波動(dòng).

特征選擇是指從已有的M 個(gè)特征(Feature)中選擇N 個(gè)特征使得系統(tǒng)的特定指標(biāo)最優(yōu)化, 是從原始特征中選擇出一些最有效特征量以降低數(shù)據(jù)集維度的過(guò)程, 是提高學(xué)習(xí)算法性能的一個(gè)重要手段, 也是模式識(shí)別中關(guān)鍵的數(shù)據(jù)預(yù)處理步驟[9-12].

從在線安全分析應(yīng)用長(zhǎng)期運(yùn)行積累的海量歷史數(shù)據(jù)或構(gòu)造的海量歷史數(shù)據(jù)中, 獲取的電網(wǎng)運(yùn)行方式數(shù)據(jù)信息包括電網(wǎng)的運(yùn)行狀態(tài)量, 主要包括: 母線電壓幅值、母線電壓相角、發(fā)電機(jī)有功無(wú)功、負(fù)荷有功無(wú)功、交流線路有功無(wú)功、變壓器有功無(wú)功、直流線路有功無(wú)功、容抗器投入無(wú)功容量.基于EEAC 的安全穩(wěn)定量化分析方法能夠給出各故障下的暫態(tài)功角穩(wěn)定裕度、暫態(tài)電壓安全裕度、暫態(tài)頻率安全裕度、發(fā)電機(jī)分群模式, 各發(fā)電機(jī)對(duì)暫態(tài)功角穩(wěn)定的參與因子, 各母線對(duì)暫態(tài)電壓穩(wěn)定的參與因子, 母線或發(fā)電機(jī)對(duì)暫態(tài)頻率穩(wěn)定的參與因子等信息.可以根據(jù)參與因子對(duì)電網(wǎng)的運(yùn)行狀態(tài)量進(jìn)行篩選, 提取與電網(wǎng)暫態(tài)穩(wěn)定性密切相關(guān)的關(guān)鍵特征量, 有效降低特征維數(shù).選擇參與因子大于設(shè)定門(mén)檻值的相關(guān)元件狀態(tài)變量作為關(guān)鍵特征量, 具體包括:

(1)在加速群機(jī)組中, 選擇機(jī)組參與因子大于設(shè)定門(mén)檻值 λset-A的機(jī)組狀態(tài)變量作為關(guān)鍵特征量;

(2)在減速群機(jī)組中, 選擇參與因子絕對(duì)值大于設(shè)定門(mén)檻值 λset-S為的機(jī)組狀態(tài)變量作為關(guān)鍵特征量;

(3)在加速群節(jié)點(diǎn)中, 選擇負(fù)荷參與因子大于設(shè)定門(mén)檻值 λset-NA的負(fù)荷節(jié)點(diǎn)狀態(tài)變量作為關(guān)鍵特征量;

(4)在減速群節(jié)點(diǎn)中, 選擇負(fù)荷參與因子絕對(duì)值大于設(shè)定門(mén)檻值 λset-NS為的負(fù)荷節(jié)點(diǎn)狀態(tài)變量作為關(guān)鍵特征量;

3 方式聚類(lèi)

聚類(lèi)分析指將物理或抽象對(duì)象的集合分組為由類(lèi)似的對(duì)象組成的多個(gè)類(lèi)的分析過(guò)程.聚類(lèi)就是按照某個(gè)特定標(biāo)準(zhǔn)(如距離準(zhǔn)則, 即數(shù)據(jù)點(diǎn)之間的距離)把一個(gè)數(shù)據(jù)集分割成不同的類(lèi)或簇, 使得同一個(gè)簇內(nèi)的數(shù)據(jù)對(duì)象的相似性盡可能大, 同時(shí)不在同一個(gè)簇中的數(shù)據(jù)對(duì)象的差異性也盡可能地大.可以具體地理解為, 聚類(lèi)后同一類(lèi)的數(shù)據(jù)盡可能聚集到一起, 不同類(lèi)數(shù)據(jù)盡量分離.

實(shí)際電網(wǎng)運(yùn)行方式具有明顯的規(guī)律性和重復(fù)性,對(duì)歷史數(shù)據(jù)進(jìn)行分析和處理, 按照關(guān)鍵特征量將海量歷史運(yùn)行方式聚類(lèi)成為若干個(gè)運(yùn)行方式簇, 同一運(yùn)行方式簇內(nèi)的數(shù)據(jù)具有比較接近的運(yùn)行方式, 并且同一考核故障下具有相同的暫態(tài)穩(wěn)定模式.通過(guò)對(duì)電網(wǎng)運(yùn)行方式的聚類(lèi), 可以有效提取電網(wǎng)中的典型運(yùn)行方式,確保電網(wǎng)安全分析的完備性, 有利于發(fā)現(xiàn)孤立場(chǎng)景, 提高電網(wǎng)運(yùn)行分析精度和電網(wǎng)運(yùn)行管理決策的科學(xué)性,實(shí)現(xiàn)運(yùn)行方式篩選的智能化.

考慮電網(wǎng)暫態(tài)穩(wěn)定模式的電網(wǎng)歷史運(yùn)行方式聚類(lèi)方法(圖2 ), 通過(guò)對(duì)歷史數(shù)據(jù)進(jìn)行分析和處理, 按照電網(wǎng)的暫態(tài)穩(wěn)定模式, 將海量歷史運(yùn)行方式聚類(lèi)成為若干個(gè)運(yùn)行方式簇, 同一運(yùn)行方式簇內(nèi)的數(shù)據(jù)具有比較接近的運(yùn)行方式, 并且針對(duì)同一考核故障下具有相同的暫態(tài)穩(wěn)定模式.每一簇內(nèi)包含多個(gè)運(yùn)行方式接近的歷史運(yùn)行方式, 也可能只包括一個(gè)歷史運(yùn)行方式, 具體包括以下步驟:

(1)獲取全部電網(wǎng)歷史運(yùn)行方式數(shù)據(jù)、故障信息,以及各故障下對(duì)應(yīng)的暫態(tài)穩(wěn)定結(jié)果信息, 包括加速群機(jī)組、減速群機(jī)組、參與因子等穩(wěn)定模式信息, 以及暫態(tài)穩(wěn)定裕度;

(2)針對(duì)考核故障 Fm, 對(duì)包含該故障下的全部歷史運(yùn)行方式進(jìn)行聚類(lèi); 設(shè)定每個(gè)歷史方式下的詳細(xì)仿真得到的暫態(tài)功角裕度為 ηi, 根據(jù)加減速機(jī)組各自參與因子, 篩選出加速機(jī)組集合為Gsi, 減速機(jī)組集合為Gai, 特征線路投運(yùn)集合 Li;

(3)初始時(shí)選擇一個(gè)方式K 作為基準(zhǔn)方式, 加入基準(zhǔn)方式集合;

(4)針對(duì)所有方式i, 判斷該考核故障的加速機(jī)組集合 Gsi、減速機(jī)組集合Gai和特征線路投運(yùn)集合 Li是否和基準(zhǔn)方式集合的基準(zhǔn)方式的加速機(jī)組集合 Gsk、減速機(jī)組集合Gak以及特征線路投運(yùn)集合Lk一致, 即:

① 加速機(jī)組個(gè)數(shù)和機(jī)組名稱(chēng)和基準(zhǔn)方式一致;

② 減速機(jī)組個(gè)數(shù)和機(jī)組名稱(chēng)和基準(zhǔn)方式一致;

③ 特征線路個(gè)數(shù)、投運(yùn)方式和名稱(chēng)和基準(zhǔn)方式一致.

若上述條件均滿足, 則轉(zhuǎn)(4), 如果與基準(zhǔn)方式集合所有的基準(zhǔn)方式都不一致, 則將該方式作為一新的基準(zhǔn)方式加入到基準(zhǔn)方式集合, 處理下一個(gè)方式;

(5)根據(jù)待分類(lèi)的方式i 與基準(zhǔn)方式K 之間的方式差異, 以及基準(zhǔn)方式K 的暫態(tài)穩(wěn)定裕度 ηk, 利用方式差異和歷史分析結(jié)果的暫態(tài)穩(wěn)定裕度快速估算方法,計(jì)算待分類(lèi)方式i 的裕度 ηi-e;

(6)設(shè)定暫態(tài)功角穩(wěn)定裕度誤差上限 Δη(裕度誤差根據(jù)實(shí)際需求設(shè)置, 如10.0), 若滿足以下條件時(shí):

① | ηi-e-ηi|≤Δη;

② ηi-e×ηi＞0 (即 ηi-e、 ηi均為正或均為負(fù)).

則認(rèn)為待分類(lèi)的方式i 與基準(zhǔn)方式K 可聚成同一簇, 如果基準(zhǔn)方式集合無(wú)法匹配到同類(lèi)基準(zhǔn)方式, 則將該方式作為一新的基準(zhǔn)方式加入到基準(zhǔn)方式集合; 處理下一個(gè)方式, 如果所有方式聚類(lèi)完成, 轉(zhuǎn)步驟(7);

(7)將同簇的數(shù)據(jù)各方式數(shù)據(jù)之間根據(jù)加減速機(jī)組功率和參與因子乘積的值序列的差值, 找到該簇的中心點(diǎn), 將離中心點(diǎn)最近的方式作為該簇的基準(zhǔn)方式;

(8)如果基準(zhǔn)方式不再變化或者達(dá)到最大迭代聚類(lèi)次數(shù)結(jié)束, 否則, 按新的基準(zhǔn)方式形成基準(zhǔn)方式集合,重復(fù)步驟(4)至步驟(7).

圖2 方式聚類(lèi)流程圖

4 方式分類(lèi)和裕度估算

基于前述的關(guān)鍵特征量的選擇方法, 通過(guò)關(guān)鍵特征量找到與當(dāng)前電網(wǎng)實(shí)時(shí)運(yùn)行方式接近的歷史運(yùn)行方式簇, 進(jìn)一步根據(jù)當(dāng)前電網(wǎng)實(shí)時(shí)運(yùn)行方式與歷史運(yùn)行方式之間的差異, 結(jié)合歷史運(yùn)行方式的暫態(tài)穩(wěn)定裕度情況, 快速估算當(dāng)前電網(wǎng)實(shí)時(shí)運(yùn)行方式的暫態(tài)穩(wěn)定裕度, 具體步驟如下:

1)根據(jù)考核的故障, 比較當(dāng)前實(shí)時(shí)運(yùn)行方式與各聚類(lèi)基準(zhǔn)方式的關(guān)鍵設(shè)備投停狀態(tài)是否一致, 如果一致則計(jì)算與該聚類(lèi)基準(zhǔn)方式的加權(quán)距離, 選取距離大于門(mén)檻值且最小的方式簇, 從而得到當(dāng)前實(shí)時(shí)運(yùn)行方式所屬的方式簇.如果當(dāng)前實(shí)時(shí)運(yùn)行方式未匹配到任何歷史方式簇, 則必須對(duì)當(dāng)前電網(wǎng)實(shí)時(shí)運(yùn)行方式進(jìn)行詳細(xì)的仿真分析.

2)從匹配到的歷史運(yùn)行方式簇, 選取其中歷史運(yùn)行方式及其暫態(tài)穩(wěn)定分析結(jié)果, 根據(jù)在線方式與歷史運(yùn)行方式之間的關(guān)鍵特征量的差異, 采用基于歷史分析結(jié)果的暫態(tài)穩(wěn)定裕度快速估算方法, 估算當(dāng)前電網(wǎng)運(yùn)行方式的暫態(tài)穩(wěn)定裕度, 估算方法參見(jiàn)文獻(xiàn)[3].

對(duì)于特征值向量X, 由于每個(gè)分量對(duì)于穩(wěn)定性的影響是不同的, 因此, 在計(jì)算當(dāng)前方式與基準(zhǔn)方式的距離時(shí)需要考慮每個(gè)分量的權(quán)重.實(shí)際分配權(quán)重有兩種方式, 一是以基準(zhǔn)方式各狀態(tài)量的參與因子作為權(quán)重,二是以該聚類(lèi)所有方式狀態(tài)量參與因子的均值作為權(quán)重.

對(duì)應(yīng)的距離公式分別為:

式中, X 為當(dāng)前方式特征值向量, Y 為基準(zhǔn)方式特征值向量, γn為基準(zhǔn)方式各狀態(tài)量 yn對(duì)應(yīng)的參與因子, γn為該聚類(lèi)所有方式狀態(tài)量 yn對(duì)應(yīng)的參與因子均值.

5 工程實(shí)例

以某省級(jí)電網(wǎng)為例, 選擇共12 256 個(gè)運(yùn)行方式及其計(jì)算結(jié)果構(gòu)建訓(xùn)練樣本, 其中安全樣本(裕度大于10)10 818 個(gè), 預(yù)警樣本(裕度大于0 且小于10)68 個(gè),不安全樣本(裕度小于0)1370 個(gè).選擇共851 個(gè)運(yùn)行方式作為測(cè)試集.針對(duì)指定的測(cè)試故障進(jìn)行裕度快速評(píng)估, 訓(xùn)練樣本分布圖如圖3.

圖3 訓(xùn)練樣本分布圖

根據(jù)前述的基于量化分析的暫態(tài)穩(wěn)定特征量選擇方法, 提取包括116 臺(tái)機(jī)組有功值、7 條線路的有功值共123 個(gè)特征量作為暫態(tài)功角穩(wěn)定的關(guān)鍵特征量.

根據(jù)前述的電網(wǎng)歷史運(yùn)行方式聚類(lèi)方法, 對(duì)測(cè)試故障下的共12 256 個(gè)訓(xùn)練樣本集歷史運(yùn)行方式進(jìn)行歷史方式聚類(lèi), 其中, 聚類(lèi)的依據(jù)為:

(1)根據(jù)量化分析結(jié)果, 測(cè)試故障下對(duì)應(yīng)的加速群機(jī)組投運(yùn)狀態(tài)一致;

(2)該故障對(duì)應(yīng)的關(guān)鍵特征量中, 選取的重要聯(lián)絡(luò)線投運(yùn)狀態(tài)一致;

(3)聚類(lèi)的暫態(tài)功角穩(wěn)定裕度門(mén)檻值設(shè)為±5.0%,即各簇內(nèi)的暫態(tài)功角穩(wěn)定裕度最大差值不超過(guò)10%.

經(jīng)前述考慮電網(wǎng)暫態(tài)穩(wěn)定模式的電網(wǎng)歷史運(yùn)行方式聚類(lèi)方法, 12 256 個(gè)訓(xùn)練樣本集共聚類(lèi)成462 個(gè)簇,其中部分簇內(nèi)包含的歷史樣本較少.方式聚類(lèi)分布圖如圖4.

圖4 方式聚類(lèi)分布圖

分別比較測(cè)試集中各方式與各聚類(lèi)簇中歷史方式的加速群機(jī)組投運(yùn)狀態(tài)、重要聯(lián)絡(luò)線投運(yùn)狀態(tài), 在加速群機(jī)組投運(yùn)狀態(tài)、重要聯(lián)絡(luò)線投運(yùn)狀態(tài)均一致的若干個(gè)簇中, 計(jì)算測(cè)試集方式與簇內(nèi)運(yùn)行方式之間的方式距離, 作為測(cè)試集方式的目標(biāo)方式.進(jìn)一步根據(jù)測(cè)試集方式與目標(biāo)方式之間的運(yùn)行方式差異, 利用基于方式差異和歷史分析結(jié)果的暫態(tài)穩(wěn)定裕度快速估算方法,得出測(cè)試集方式的裕度及其穩(wěn)定性結(jié)論.

將在線快速評(píng)估估算結(jié)果與實(shí)際仿真結(jié)果進(jìn)行比較, 測(cè)試集共851 個(gè)樣本.

按照式(1)計(jì)算距離進(jìn)行方式匹配，結(jié)果如圖5和圖6.

圖5 快速評(píng)估估算結(jié)果與實(shí)際仿真結(jié)果裕度比較結(jié)果1

共有34 個(gè)測(cè)試樣本出現(xiàn)錯(cuò)判, 判斷準(zhǔn)確率為96%(817/851), 誤判率為4% (34/851), 其中:

圖6 快速評(píng)估估算結(jié)果與實(shí)際仿真結(jié)果裕度誤差統(tǒng)計(jì)1

(1)實(shí)際時(shí)域仿真分析結(jié)果為暫態(tài)功角穩(wěn)定, 快速評(píng)估估算結(jié)果判為失穩(wěn)的共28 個(gè)樣本, 誤警率3.3%(28/851);

(2)實(shí)際時(shí)域仿真分析結(jié)果為暫態(tài)功角失穩(wěn), 快速評(píng)估估算結(jié)果判為穩(wěn)定的共6 個(gè)樣本, 漏警率0.70%(6/851).

統(tǒng)計(jì)在線快速評(píng)估估算結(jié)果與實(shí)際仿真結(jié)果之間暫態(tài)功角穩(wěn)定裕度結(jié)果之間的差異, 兩者之間的裕度平均絕對(duì)誤差為16.94%, 相對(duì)誤差為1%.

按照式(2)計(jì)算距離進(jìn)行方式匹配, 結(jié)果如圖7 和圖8.

共有6 個(gè)測(cè)試樣本出現(xiàn)錯(cuò)判, 判斷準(zhǔn)確率為99.3%(845/851), 誤判率為0.7% (6/851), 其中:

(1)實(shí)際時(shí)域仿真分析結(jié)果為暫態(tài)功角穩(wěn)定, 快速評(píng)估估算結(jié)果判為失穩(wěn)的共0 個(gè)樣本, 誤警率0%(0/851);

(2)實(shí)際時(shí)域仿真分析結(jié)果為暫態(tài)功角失穩(wěn), 快速評(píng)估估算結(jié)果判為穩(wěn)定的共6 個(gè)樣本, 漏警率0.70%(6/851).

圖7 快速評(píng)估估算結(jié)果與實(shí)際仿真結(jié)果裕度比較結(jié)果2

圖8 快速評(píng)估估算結(jié)果與實(shí)際仿真結(jié)果裕度誤差統(tǒng)計(jì)2

統(tǒng)計(jì)在線快速評(píng)估估算結(jié)果與實(shí)際仿真結(jié)果之間暫態(tài)功角穩(wěn)定裕度結(jié)果之間的差異, 兩者之間的裕度平均絕對(duì)誤差為18.01%, 相對(duì)誤差為0.66%.

從誤差率的角度來(lái)看, 顯然用式(2)比式(1)效果更好.

6 結(jié)論與展望

本文提出了一種安全穩(wěn)定裕度快速估算方法.首先基于海量歷史評(píng)估結(jié)果和安全穩(wěn)定機(jī)理提取與電網(wǎng)暫態(tài)穩(wěn)定性密切相關(guān)的關(guān)鍵特征量, 其次然后對(duì)各故障按特征量進(jìn)行方式聚類(lèi), 生成電網(wǎng)安全運(yùn)行知識(shí)庫(kù),最后基于知識(shí)庫(kù)對(duì)當(dāng)前方式下故障進(jìn)行自動(dòng)匹配和裕度快速估算.通過(guò)具體工程實(shí)例說(shuō)明上述方法的工程應(yīng)用步驟和實(shí)際效果.由于方式聚類(lèi)時(shí)用到了評(píng)估結(jié)果中的裕度信息, 而新方式匹配時(shí)缺少這一信息, 工程上用特征量之間的加權(quán)距離進(jìn)行匹配, 這可能是結(jié)果誤差的主要來(lái)源, 不同距離計(jì)算方法會(huì)影響估算結(jié)果的準(zhǔn)確性, 后續(xù)還要進(jìn)一步分析和研究.