基于MBLDA的交直流系统暂态电压稳定监测方法技术方案

本发明专利技术公开了一种基于MBLDA的交直流系统暂态电压稳定监测方法，包括：读取各个节点电压仿真数据模拟PMU的量测过程；将节点电压进行整合，利用轨迹簇构造与电压相关的节点电压轨迹簇，通过轨迹簇的物理属性描述电力系统故障后的暂态电压，构建出反映电力系统电压状态的输入特征集；将输入特征集随机分配为训练集与测试集，通过训练集中的四种电压状态的样本MBLDA，确定故障样本的最优投影矩阵w，完成分类器模型的构建，并将测试集对应的特征集输入至训练后的MBLDA模型中；利用最优投影矩阵w对电力系统电压稳定状态做出监测，利用该监测流程对电力系统其它故障样本做出暂态稳定监测。本发明专利技术克服了现有高比例电力电子受端系统故障后暂态电压监测类型的不足。障后暂态电压监测类型的不足。障后暂态电压监测类型的不足。

【技术实现步骤摘要】
基于MBLDA的交直流系统暂态电压稳定监测方法


[0001]本专利技术涉及暂态电压稳定领域，尤其涉及一种基于多类间线性判别分析(multiplebetween
‑
class linear discriminant analysis，MBLDA)的交直流电力系统暂态电压稳定监测方 法。

技术介绍

[0002]随着我国交直流互联电力系统规模不断增大，大扰动后直流电力系统发生换相失败导 致潮流大范围转移，受端电力系统电压降低，传输功率缺额将使交流受端电力系统的电压 稳定问题更加严峻
[1]。大规模新能源与柔性直流跨区输电接入逐步替代了原同步电网的部 分同步机，构成了高比例的电力电子受端电力系统
[2]，使受端电网中直流、分布式光伏逆 变器等电力电子设备与交流电网交互影响，受端的暂态电压稳定性等问题有可能进一步突 出，给受端电网暂态电压稳定性研究带来了全新的挑战，因此高比例电力电子受端系统的 暂态电压稳定性监测对保障电力系统安全稳定运行具有重要意义
[3]。
[0003]电力系统暂态电压稳定监测方法主要有时域法
[4]、能量函数法
[5]以及模式识别法
[6]。时 域仿真法由各动态元件间的拓扑关系构成全电力系统模型，通过对电力系统暂态过程中的 微分方程进行求解，逐步求得电力系统的状态量和代数量的变化曲线，从而判断电力系统 稳定状态。该方法简单直观，但面对大规模电力系统时仿真计算量大，只能通过仿真得出 电力系统是否稳定的结论，对于电力系统稳定程度的精确信息则很难获取
[7]；能量函数法 主要通过构造李雅普诺夫函数进行稳定性判别，可弥补时域仿真在计算效率上的不足，给 出稳定裕度等优点，但该方法易受电力系统模型限制，在具有复杂动态特性的电力系统中 能量函数可能不存在，模型通用性较差
[8]；模式识别法利用大数据挖掘方法建立故障样本 与电力系统稳定状态之间的映射关系，并通过该映射关系对电力系统进行暂态稳定监测， 具有计算速度快、监测准确率高、以及受电力系统规模影响较小等优点，在电力系统实时 监测中得到广泛应用
[9]。
[0004]目前模式识别法主要围绕特征构建与分类器模型构建展开研究。特征构建方面：目前 特征类型可分为时序特征、离散特征以及结合时间维度的聚合特征。文献[10]在时序轨迹 Shapelet(具有最强类别分辨力的子序列)变换基础上，刻画电力系统稳定/失稳案例关键 局部轨迹差异为核心的特征学习方法，表明了以时序变量作为特征构建的可行性。文献[11] 表明应用电压幅值可以比功角在故障后更短时间内预测电力系统的暂态稳定性，实现更可 靠的暂态稳定监测。文献[12]通过提取受扰后发电机端电压轨迹簇特征进行暂态稳定性预 测。
[0005]分类器构建方面：目前模式识别方法中分类器可大致分为人工神经网络、决策树和支 持向量机。支持向量机在高维空间内通过超平面对不同类别样本进行二分类处理的工作方 式，相比于神经网络等其他方法，支持向量机具有所需训练样本少、泛化能力强等优点， 以致其被广泛应用于电力系统暂态稳定监测领域中。但实际应用中，多数问题是以多种类 别的形式存在。受多回直流集中馈入和新能源高比例电力电子设备渗透的影响，受
classification based on an improved one
‑
vs
‑
one(OVO)strategy and the support vector machine(SVM) algorithm[J].Information Sciences，2017，394:38
‑
52.
[0022][14]洪翠，付宇泽，郭谋发，等.改进多分类支持向量机的配电网故障识别方法[J].电子 测量与仪器学报，2019(1):7
‑
15.
[0023][15]戴远航，陈磊，张玮灵，等.基于多支持向量机综合的电力系统暂态稳定评估[J].中 国电机工程学报，2016，36(5):1173
‑
1180.
[0024][16]DAI Yuanhang，CHEN Lei，ZHANG Weiling，et al.Power System Transient Stability Assessment Based on Multi
‑
Support Vector Machines[J].Proceedings of the CSEE， 201636(5):1173
‑
1180.
[0025][17]HU Wei，SHEN Weining，ZHOU Hua，et al.Matrix Linear Discriminant Analysis.[J].Technometrics:a journal of statistics for the physical，chemical，and engineering sciences，2020，62(2).
[0026][18]Cheong Hee Park，Gyeong
‑
Hoon Lee.Comparison of incremental linear dimension reduction methods for streaming data[J].Pattern Recognition Letters，2020，135.
[0027][19]付聪，孙闻，李晓明.改善电网电压延迟恢复的动态电压/无功灵敏度方法[J].电力系 统及其自动化学报，2016，28(10):42
‑
46+54.
[0028][20]李东东，梁自超，周玉琦.含风电场的受端系统暂态电压稳定性评估[J].电力系统保 护与控制，2015，43(13):8
‑
14.

技术实现思路

[0029]本专利技术提供了一种基于MBLDA的交直流系统暂态电压稳定监测方法，本专利技术克服了 现有高比例电力电子受端系统故障后暂态电压监测类型的不足，以及多分类器模型对大规 模电力系统监测速度缓慢的问题，具有较强的通用性与实用性，详见下文描述：
[0030]一种基于MBLDA的交直流系统暂态电压稳定监测方法，所述方法包括：
[0031]通过PSD
‑
BPA时域仿真法模拟电力系统故障，通过读取各个节点电压仿真数据模拟 PMU的量测过程；
[0032]将节点电压进行整合，利用轨迹簇构造与电压相关的节点电压轨迹簇，通过轨迹簇的 物理属性描述电力系统故障后的暂态电压，构建出反映电力系统电压状态的输入特征集；
[0033]将输入特征集随机分配为训练集与测试集，通过训练集中的四种电压状态的样本 MBLDA，确定故障样本的最优投影矩阵w，完成分类器模型的构建，并将测试集对应的 特征集输入至训练后的MBLDA模型中；
[0034]利用最优投影矩阵w对电力系统电压稳定状态做出监测，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MBLDA的交直流系统暂态电压稳定监测方法，其特征在于，所述方法包括：通过PSD
‑
BPA时域仿真法模拟电力系统故障，通过读取各个节点电压仿真数据模拟PMU的量测过程；将节点电压进行整合，利用轨迹簇构造与电压相关的节点电压轨迹簇，通过轨迹簇的物理属性描述电力系统故障后的暂态电压，构建出反映电力系统电压状态的输入特征集；将输入特征集随机分配为训练集与测试集，通过训练集中的四种电压状态的样本MBLDA，确定故障样本的最优投影矩阵w，完成分类器模型的构建，并将测试集对应的特征集输入至训练后的MBLDA模型中；利用最优投影矩阵w对电力系统电压稳定状态做出监测，监测结果与时域仿真结果进行比对，完成对分类器模型的精度测试，当精度满足要求时，利用该监测流程对电力系统其它故障样本做出暂态稳定监测。2.根据权利要求1所述的一种基于MBLDA的交直流系统暂态电压稳定监测方法，其特征在于，所述最优投影矩阵w用于使投影后的电压数据同类间相似度高、一对类别彼此远离。3.根据权利要求1所述的一种基于MBLDA的交直流系统暂态电压稳定监测方法，其特征在于，所述最优投影矩阵w的表达式如下：其中，1≤i<j≤k，k为类别的个数；max J为...

【专利技术属性】
技术研发人员：姜涛，王长江，刘鸣，陈厚合，李雪，范维，段方维，
申请(专利权)人：国网辽宁省电力有限公司电力科学研究院，
类型：发明
国别省市：