【技术实现步骤摘要】
一种基于集成ELM的电力系统动态安全风险评估方法
[0001]本专利技术属于电力工程领域,涉及电力系统安全评估技术,尤其是一种基于集成ELM的电力系统动态安全风险评估方法。
技术介绍
[0002]电力系统安全风险评估是有效分析运行不安全因素、保障电力系统稳定运行的重要环节。光伏、风电等可再生能源大容量、不间断地接入电网,促进了传统电网的绿色低碳转型,但同时也使电力系统的安全稳定运行产生高度的不确定性,这便对快速进行动态安全分析、准确掌握运行状态,有效制定控制策略提出了更高的时效性要求。
[0003]现有技术中关于电力系统安全风险评估方法是通过大量仿真计算进行动态安全分析,再针对分析结果制定行之有效的控制策略,计算结果相对准确,但难以适应快速增长的电力系统节点维度和海量运行数据对计算的快速性要求。世界各国研究学者对此也进行了大量探索,部分学者把目光投向应用人工智能、机器学习、大数据分析方法等,提升了一定的分析计算速度,但是在兼顾准确性和快速性,有效抵御安全风险方面依然存在很大的探索空间。
[0004]极限学习机(Extreme Learning Machine,ELM)或“超限学习机”是一类基于前馈神经网络(Feedforward Neuron Network,FNN)构建的机器学习系统或方法,适用于监督学习和非监督学习问题。ELM在研究中被视为一类特殊的FNN,或对FNN及其反向传播算法的改进,其特点是隐含层节点的权重为随机或人为给定的,且不需要更新,学习过程仅计算输出权重。
[0005]传统 ...
【技术保护点】
【技术特征摘要】
1.一种基于集成ELM的电力系统动态安全风险评估方法,其特征在于:包括如下方法步骤:步骤(1)从系统运行历史数据库获取系统运行点及其运行状态的数据构成实验数据集;步骤(2)根据实验数据集训练生成基于集成ELM的智能动态安全评估模型,具体过程包括:训练生成单一ELM模型和训练生成集成ELM模型;步骤(3)仿真生成系统的预想事故集,并采用静态安全分析法对预想事故进行排序;步骤(4)利用智能动态安全评估模型对预想事故集进行动态安全评估,具体过程包括:根据预想事故排序结果,利用步骤(2)训练生成的智能动态安全评估模型对步骤(3)中仿真形成的预想事故集中的运行点逐一进行动态安全评估,得到每个预想事故对应的运行状态;步骤(5)综合分析预想事故排序结果和动态安全评估结果给出风险等级,进行指导控制策略的制定,具体方法为综合分析预想事故排序结果和动态安全评估结果,得到动态安全风险评估结果,进而给出控制策略建议。2.根据权利要求1所述的一种基于集成ELM的电力系统动态安全风险评估方法,其特征在于:实验数据集生成方法包括:根据系统历史运行数据,确定系统历史运行信息:节点数目、故障地点、故障类型、故障清除用时,选取某一故障时刻下的N个由系统各个节点有功注入功率P
i
组成的运行点x,并得到此运行点x对应的发电机之间的最大功角差δ
max
,设定发电机之间的最大功角差的阈值为δ
cr
=180
°
,将运行点x对应的运行状态记为p,则运行状态判定规则为:当δ
cr
‑
δ
max
>30
°
认为系统安全运行,记作p=1;当δ
cr
‑
δ
max
<
‑
30
°
认为系统不安全运行,记作p=
‑
1;当
‑
30
°
≤δ
cr
‑
δ
max
≤30
°
认为系统临界安全,记作p=0,通过上述规则,运行状态p被化分为三类指标,因此可得到由系统各个节点的有功注入功率P
i
组成的运行点x和其对应的运行状态p构成的实验数据集。3.根据权利要求1所述的一种基于集成ELM的电力系统动态安全风险评估方法,其特征在于:训练生成单一ELM模型方法包括:从实验数据集中随机抽取D个由运行点x
j
和其对应的运行状态p
j
构成的样例,得到一个大小为F
×
D的训练数据集R矩阵,其中F是特征数、D为样例总数,给定的训练数据集为R={x
j
,p
j
|x
j
∈x,p
j
∈p,j=1,2,...D},第j个运行点x
j
=[P1,P2,......,P
F
‑1],p
j
为第j个运行点x
j
对应的运行状态,利用给定的训练集对单一ELM模型进行训练,则单一ELM模型隐含层的计算输出为输入乘上对应权重加上偏差,表示为h
i
(x)=θ(ω
i
·
x
j
...
【专利技术属性】
技术研发人员:石雪靖,刘畅,高群,杨英杰,李晨,李雨航,白卓,李杰,李思岑,叶乃兴,李名洋,张天阳,马瑞,
申请(专利权)人:国网天津市电力公司国家电网有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。