综合因果分析与机器学习的暂态功角稳定快速评估方法技术

本发明专利技术公开了一种综合因果分析与机器学习的暂态功角稳定快速评估方法，基于在线安全分析应用暂态稳定评估功能存储的历史数据，将历史运行方式样本划分成若干运行方式簇，暂态功角稳定裕度根据方式之间的差异用线性化公式描述，并提取电网关键特征量；以关键特征量作为输入量，以形成的历史运行方式簇分类情况作为输出量，构建深度学习模型并利用历史数据样本训练，建立起当前实时运行方式与历史运行方式之间的联系，估算当前实时运行方式的暂态功角稳定性；本发明专利技术能够在确保暂态功角稳定分析准确性的同时，有效地减少计算耗时，快速得出电网暂态功角稳定性的量化分析结果，有助于及时发现电网中存在的暂态运行风险，提升电网的安全运行水平。

Fast Evaluation Method of Transient Power Angle Stability Based on Comprehensive Causality Analysis and Machine Learning

The invention discloses a fast assessment method for transient power angle stability based on comprehensive causal analysis and machine learning. Based on the historical data stored by the transient stability assessment function on-line security analysis, the historical operation mode samples are divided into several operation mode clusters, and the transient power angle stability margin is linearized according to the differences between modes. Formula description and extraction of key feature quantities of power grid; taking key feature quantities as input and classifying historical operation mode clusters as output quantities, building in-depth learning model and using historical data sample training, establishing the relationship between current real-time operation mode and historical operation mode, and estimating the current reality The invention can ensure the accuracy of transient power angle stability analysis, effectively reduce the calculation time and quickly obtain the quantitative analysis results of transient power angle stability of power grid, which is helpful to timely discover the transient operation risk existing in power grid and improve the safe operation level of power grid.

【技术实现步骤摘要】
综合因果分析与机器学习的暂态功角稳定快速评估方法
本专利技术涉及电力系统安全稳定分析
，尤其涉及一种综合因果分析与机器学习的暂态功角稳定快速评估方法。
技术介绍
为了保障电网尤其是特高压交直流混联电网的安全稳定运行，各级调度机构需要能够快速掌握电网的安全稳定运行情况，快速定位电网运行的风险点和风险程度，从而为电网的风险防范、控制决策提供依据。目前国内绝大部分的省级及以上电网调度控制机构建设了电网在线安全分析应用功能，该应用功能基于电网模型和实时运行方式数据，对电网运行状态进行周期性的分析计算，从静态、暂态、动态等多个方面综合评估电网的安全稳定性，并针对发现的安全稳定问题或安全稳定隐患进行辅助决策，向调度运行人员提供合理的调节方案建议。暂态稳定分析是在线安全分析应用的关键功能，其核心是分析暂态功角是否失稳，目前主要采用时域仿真分析法或在时域仿真分析基础上的EEAC(ExtendedEqual-AreaCriterion)量化分析方法，基于对电网模型和实时运行方式数据进行严格的数值计算，得出电网的暂态稳定性结果。通常省级电网需计算的暂态稳定故障数为几百至上千个，为保证在5-10分钟内完成一次全网暂态稳定分析的计算速度要求，需要部署数百CPU核数的计算资源。随着电网网架规模的快速扩展，大量风电、光伏设备以及UPFC等各类新型设备的加入，计算复杂度将呈指数性上升趋势，所需的计算资源或计算耗时还将进一步增加。与此同时，谷歌AlphaGo与国内外围棋顶尖高手的“人机大战”引爆了新一轮人工智能的热潮，各种关于人工智能的报道、评论及展望见诸报端和网络，让人们认识到了人工智能等新技术的巨大能量。机器学习是人工智能领域的一个分支，通过使计算机在大量历史数据中挖掘所需信息，并从中学习规律，进而智能识别新样本或预测未来，从而使计算机在未事先明确编程的情况下做出正确反应或判断。机器学习已经在自动驾驶汽车、实用语音识别、基因组认识等方面带来大量帮助。在电力系统领域，如何结合电力系统调度运行的需求，借助大数据及人工智能等新技术，为电力系统调度运行、分析决策提供了新的解决思路，成为电力系统分析决策领域研究的热点。电力系统相关科研、产业机构结合大电网分析决策的实际需求，开展了电力系统大数据、人工智能的相关研究，取得了一定的成果。专利“基于历史数据的电力系统稳定性快速判断方法”(专利号：2015110301902)中，通过计算电网各状态量和电气量的统计量与故障临界切除时间的相关性，得出各故障下的特征量，再计算当前实时方式与历史方式特征量之间的度量距离，并根据度量距离采用K-最近邻算法，得出当前方式的稳定程度指标，用以判断当前时刻电网的稳定性。专利“一种基于在线历史数据的电力系统暂态稳定评估方法(专利号：2015108372153)”中，首先由人工初筛出若干静态状态量，再对所选的静态状态量进行压缩，得到电网特征量，在此基础上，对历史数据样本进行失稳样本的扩展和稳定样本的压缩，形成计算样本，并利用SVM算法进行分类模型训练和参数优化，形成分类模型，以此评估电网的暂态稳定性。上述方法取得了一定的效果，但对历史分析结果的应用不充分，采用纯粹的机器学习方法存在一定的盲目性，同时由人工筛选状态量的方法，对人员经验的依赖较大。
技术实现思路
本专利技术的目的在于提供一种综合因果分析与机器学习的暂态功角稳定快速评估方法，实现对电网当前实时运行方式暂态功角稳定性快速、准确的在线判别，有效地减少暂态功角稳定性分析的计算耗时，快速得出电网暂态功角稳定性的量化分析结果，有助于及时发现电网中存在的暂态稳定运行风险，提升电网的安全运行水平。为实现上述目的，本专利技术采用的技术方案，具体如下：综合因果分析与机器学习的暂态功角稳定快速评估方法，包括以下步骤：1)获取历史数据样本；基于EEAC量化分析方法的在线安全分析应用，获取应用运行所存储的历史数据，作为分析的数据样本；历史数据包括历史运行方式数据以及运行方式下各考核故障对应的暂态功角稳定仿真结果；2)历史运行方式聚类；考虑到实际电网运行具有规律性和重复性，对电网历史运行方式数据，按照考核故障和安全稳定模式进行分类，判断运行方式差异导致的暂态功角稳定裕度变化是否适用线性化计算公式，将历史运行方式聚类到对应的运行方式簇；3)关键特征量选择；基于历史运行方式数据和暂态功角稳定仿真结果，分析在各考核故障下，电网运行状态量对暂态功角稳定性的影响，选择故障下的关键特征量；4)深度学习模型构建及训练：以关键特征量作为输入量，以运行方式簇作为输出量，建立深度学习模型，利用选择的关键特征量和各历史样本对应的运行方式簇，对构建的深度学习模型进行训练，得到训练后的深度学习模型；5)实时运行方式所属运行方式簇计算：将电网当前实时运行方式输入训练得到的深度学习模型中，得出在各考核故障下，当前实时运行方式所对应的运行方式簇；6)当前实时方式暂态功角稳定裕度估算：选取当前实时运行方式对应的运行方式簇内任一历史运行方式数据，以及历史运行方式的暂态功角稳定仿真结果，分析当前实时运行方式与选取的簇内历史运行方式之间的差异，基于暂态功角稳定裕度快速估算方法，得出当前电网运行方式的暂态功角稳定裕度，根据功角稳定裕度判断暂态功角稳定性，并输出暂态功角稳定性结果；7)当前实时方式仿真分析：基于EEAC量化分析方法，对当前实时运行方式进行仿真，求取当前实时方式下暂态功角稳定性结果，包括暂态功角稳定裕度、分群模式和参与因子；8)仿真结果样本处理：将当前实时方式数据以及所述实时方式下暂态功角稳定性结果，加入到历史样本中；并根据暂态功角稳定暂态功角稳定性结果，计算各考核故障下当前实时方式所属的运行方式簇，判断得出的运行方式簇与采用深度学习模型得出方式簇是否一致，若不一致，则利用历史样本对深度学习模型进行重新训练；9)重新获取新一轮的电网实时运行方式数据，进入步骤5)，实现新一轮电网运行方式暂态功角稳定性的评估。步骤2)中所述历史运行方式聚类，具体包括以下步骤：2-1)按照考核故障、安全稳定模式对各历史运行方式进行分类，将同一类里的每个历史运行方式视为同一个簇；2-2)判断簇与簇之间因运行方式差异导致的暂态功角稳定裕度变化是否适用线性化计算公式，若适用线性化计算公式，则将两个簇进行合并，归为同一簇；2-3)重复步骤2-1)和2-2)，直至完成所有分类下所有簇的处理。步骤2-2)具体包括以下步骤：在相同考核故障Fc下，历史运行方式SA经量化分析得出的暂态功角稳定裕度为ηA.c，历史运行方式SB经量化分析得出的暂态功角稳定裕度为ηB.c，若暂态功角稳定裕度之差ηA.c-ηB.c与由运行方式差异导致的暂态功角稳定裕度估算差异ηest之间的差值小于设定门槛值ηline-set，即：|(ηA.c-ηB.c)-ηest|＜ηline-set，则认为在考核故障Fc下，历史运行方式SA和SB的暂态功角稳定裕度适用线性化公式描述。步骤3)具体包括以下步骤：3-1)基于EEAC量化分析结果，选取暂态功角稳定参与因子大于设定门槛值λset-A的发电机状态量作为关键特征量；3-2)计算电网各历史运行方式状态量与暂态功角稳定性的相关性I(X，ηA)，选取相关性大于设定门槛值Iset-A的状本文档来自技高网...

【技术保护点】
1.综合因果分析与机器学习的暂态功角稳定快速评估方法，其特征在于，包括以下步骤：1)获取历史数据样本；基于EEAC量化分析方法的在线安全分析应用，获取应用运行所存储的历史数据，作为分析的数据样本；历史数据包括历史运行方式数据以及运行方式下各考核故障对应的暂态功角稳定仿真结果；2)历史运行方式聚类；考虑到实际电网运行具有规律性和重复性，对电网历史运行方式数据，按照考核故障和安全稳定模式进行分类，判断运行方式差异导致的暂态功角稳定裕度变化是否适用线性化计算公式，将历史运行方式聚类到对应的运行方式簇；3)关键特征量选择；基于历史运行方式数据和暂态功角稳定仿真结果，分析在各考核故障下，电网运行状态量对暂态功角稳定性的影响，选择故障下的关键特征量；4)深度学习模型构建及训练：以关键特征量作为输入量，以运行方式簇作为输出量，建立深度学习模型，利用选择的关键特征量和各历史样本对应的运行方式簇，对构建的深度学习模型进行训练，得到训练后的深度学习模型；5)实时运行方式所属运行方式簇计算：将电网当前实时运行方式输入训练得到的深度学习模型中，得出在各考核故障下，当前实时运行方式所对应的运行方式簇；6)当前实时方式暂态功角稳定裕度估算：选取当前实时运行方式对应的运行方式簇内任一历史运行方式数据，以及历史运行方式的暂态功角稳定仿真结果，分析当前实时运行方式与选取的簇内历史运行方式之间的差异，基于暂态功角稳定裕度快速估算方法，得出当前电网运行方式的暂态功角稳定裕度，根据功角稳定裕度判断暂态功角稳定性，并输出暂态功角稳定性结果；7)当前实时方式仿真分析：基于EEAC量化分析方法，对当前实时运行方式进行仿真，求取当前实时方式下暂态功角稳定性结果，包括暂态功角稳定裕度、分群模式和参与因子；8)仿真结果样本处理：将当前实时方式数据以及所述实时方式下暂态功角稳定性结果，加入到历史样本中；并根据暂态功角稳定暂态功角稳定性结果，计算各考核故障下当前实时方式所属的运行方式簇，判断得出的运行方式簇与采用深度学习模型得出方式簇是否一致，若不一致，则利用历史样本对深度学习模型进行重新训练；9)重新获取新一轮的电网实时运行方式数据，进入步骤5)，实现新一轮电网运行方式暂态功角稳定性的评估。...

【技术特征摘要】
1.综合因果分析与机器学习的暂态功角稳定快速评估方法，其特征在于，包括以下步骤：1)获取历史数据样本；基于EEAC量化分析方法的在线安全分析应用，获取应用运行所存储的历史数据，作为分析的数据样本；历史数据包括历史运行方式数据以及运行方式下各考核故障对应的暂态功角稳定仿真结果；2)历史运行方式聚类；考虑到实际电网运行具有规律性和重复性，对电网历史运行方式数据，按照考核故障和安全稳定模式进行分类，判断运行方式差异导致的暂态功角稳定裕度变化是否适用线性化计算公式，将历史运行方式聚类到对应的运行方式簇；3)关键特征量选择；基于历史运行方式数据和暂态功角稳定仿真结果，分析在各考核故障下，电网运行状态量对暂态功角稳定性的影响，选择故障下的关键特征量；4)深度学习模型构建及训练：以关键特征量作为输入量，以运行方式簇作为输出量，建立深度学习模型，利用选择的关键特征量和各历史样本对应的运行方式簇，对构建的深度学习模型进行训练，得到训练后的深度学习模型；5)实时运行方式所属运行方式簇计算：将电网当前实时运行方式输入训练得到的深度学习模型中，得出在各考核故障下，当前实时运行方式所对应的运行方式簇；6)当前实时方式暂态功角稳定裕度估算：选取当前实时运行方式对应的运行方式簇内任一历史运行方式数据，以及历史运行方式的暂态功角稳定仿真结果，分析当前实时运行方式与选取的簇内历史运行方式之间的差异，基于暂态功角稳定裕度快速估算方法，得出当前电网运行方式的暂态功角稳定裕度，根据功角稳定裕度判断暂态功角稳定性，并输出暂态功角稳定性结果；7)当前实时方式仿真分析：基于EEAC量化分析方法，对当前实时运行方式进行仿真，求取当前实时方式下暂态功角稳定性结果，包括暂态功角稳定裕度、分群模式和参与因子；8)仿真结果样本处理：将当前实时方式数据以及所述实时方式下暂态功角稳定性结果，加入到历史样本中；并根据暂态功角稳定暂态功角稳定性结果，计算各考核故障下当前实时方式所属的运行方式簇，判断得出的运行方式簇与采用深度学习模型得出方式簇是否一致，若不一致，则利用历史样本对深度学习模型进行重新训练；9)重新获取新一轮的电网实时运行方式数据，进入步骤5)，实现新一轮电网运行方式暂态功角稳定性的评估。2.根据权利要求1所述的综合因果分析与机器学习的暂态功角稳定快速评估方法，其特征在于，步骤2)中所述历史运行方式聚类，具体包括...

【专利技术属性】
技术研发人员：李铁，刘强，查显煜，徐泰山，苏安龙，唐俊刺，汲广军，邵伟，罗桓桓，高凯，曲祖义，葛延峰，姜枫，崔岱，孙文涛，曾辉，王顺江，张艳军，郭春雨，孙明一，丛海洋，
申请(专利权)人：国电南瑞科技股份有限公司，国网辽宁省电力有限公司，南瑞集团有限公司，
类型：发明
国别省市：江苏,32