【技术实现步骤摘要】
本专利技术涉及电力系统稳定性分析，尤其涉及一种评估电力系统小干扰稳定性的优化方法及系统。
技术介绍
1、电力系统是现代社会的基础设施之一，其稳定运行对经济和社会生活至关重要。随着电力市场的快速发展和可再生能源的广泛接入，电力系统的运行环境变得越来越复杂，系统稳定性面临着前所未有的挑战。小干扰稳定性问题，特别是由于系统参数微小变化引起的电力系统动态性能问题，已成为影响电力系统安全运行的关键因素之一。
2、传统的电力系统稳定性评估方法主要依赖于经验规则和静态分析，往往无法准确预测和处理复杂电网中的动态变化和小干扰事件。此外，现有的稳定性评估方法通常需要大量的计算资源和时间，难以满足实时监控和快速响应的需求。
3、在此背景下，开发一种能够实时评估电力系统小干扰稳定性并进行优化调整的方法显得尤为重要。该方法应能够实时收集和分析电力系统的运行数据，快速识别小干扰事件，并根据系统当前状态和历史数据进行有效的稳定性优化。通过实时监控和智能分析，该方法能够提高电力系统对小干扰的响应能力，保证系统的稳定和可靠运行。
4、因此，开发一种新的电力系统小干扰稳定性评估和优化方法，旨在解决现有技术的不足，提高电力系统的动态稳定性和运行效率，对于保障电力系统的安全稳定运行具有重要意义。
技术实现思路
1、鉴于上述现有技术中存在的问题，提出了本专利技术。
2、因此，本专利技术提供了一种评估电力系统小干扰稳定性的优化方法，能够解决传统方法在识别和响应小干扰事件时可能
3、为解决上述技术问题，本专利技术提供如下技术方案，一种评估电力系统小干扰稳定性的优化方法，包括：收集电力系统的历史运行数据，并对数据进行预处理，根据历史数据建立预测模型，并对状态划分；利用传感器对电力系统进行实时监控，实时收集系统状态数据；利用模式识别技术从实时数据中识别出小干扰事件；根据小干扰事件和状态划分结果进行稳定性优化。
4、作为本专利技术所述的一种评估电力系统小干扰稳定性的优化方法的一种优选方案，其中：所述历史运行数据包括，负载数据、发电量数据、传输线路数据、天气数据、设备运行数据。
5、作为本专利技术所述的一种评估电力系统小干扰稳定性的优化方法的一种优选方案，其中：所述预测模型表示为，
6、
7、其中，c是常数项，φi是自回归参数，表示当前值与前i个历史值之间的关系，θj是移动平均参数，表示当前预测误差与前j个历史预测误差之间的关系，∈t是时间点t的预测误差，yt是时间点t的观测值；
8、预测值计算过程为，
9、yt+1＝c+φiyt
10、其中，yt+1是时间t+1的预测值。
11、作为本专利技术所述的一种评估电力系统小干扰稳定性的优化方法的一种优选方案，其中：所述利用模式识别技术从实时数据中识别出小干扰事件包括，
12、xt＝[x1,t,x2,t,…,xn,t]t
13、其中，xi,t表示为第i个特征，xt表示时间点t的特征向量，n是特征的总数；
14、定义异常分数函数s(xt)用于评估当前特征向量的异常程度，通过计算与正常运行模式之间的距离：
15、s(xt)＝f(x1,t,x2,t,…,xn,t)
16、其中，f是根据历史数据学习得到的函数。
17、作为本专利技术所述的一种评估电力系统小干扰稳定性的优化方法的一种优选方案，其中：所述识别出小干扰事件包括，当s(xt)>θ时，系统判定当前状态存在异常；
18、当检测到异常时，将当前特征向量与小干扰事件的特征签名进行匹配，使用相似度计算表示为，
19、
20、其中，·表示向量点积，而∥x∥表示向量的范数，sdisturbance是小干扰事件的特征签名向量，similarity(xt,sdisturbance)是一个函数，用于计算特征向量xt与小干扰事件特征签名sdisturbance之间的相似度；
21、若similarity(xt,sdisturbance)>α时，则判断当前异常状态与小干扰事件的特征签名匹配，系统将当前特征标记为小干扰事件。
22、作为本专利技术所述的一种评估电力系统小干扰稳定性的优化方法的一种优选方案，其中：所述状态划分包括，当yt+1小于警戒阈值时，则系统自动判定为绿色状态，系统运行正常，保持系统稳定；
23、当yt+1大于警戒阈值且小于高风险阈值时，则系统自动判定为黄色状态；
24、当yt+1大于高风险阈值时，则系统自动判断为红色状态。
25、作为本专利技术所述的一种评估电力系统小干扰稳定性的优化方法的一种优选方案，其中：所述根据小干扰事件和状态划分结果进行稳定性优化包括，当系统判断为当前状态为绿色状态时，且进行二次判断后不存在小干扰事件，则系统保持正常运行，若二次判断后存在小干扰事件，根据历史数据判断小干扰事件是否为偶发事件，若比对历史数据后，确定小干扰事件为偶发事件时，则系统自动根据历史操作，自动进行初步修复，并将增加区域的监控频率，若检测结果显示初步修复成功时，对操作过程进行记录，并保持正常运行状态；若系统初步检修结果显示失败时，重新评估系统状态，并将绿色状态升级为黄色状态，并进行黄色状态的优化过程；
26、当系统判断为当前状态为黄色状态时，且进行二次判断后不存在小干扰事件，则系统将监控频率调整至a级，并识别搜寻历史数据库对黄色状态进行初步检修，若初步检修结果反馈成功时，系统自动将黄色状态调整为绿色状态，若初步检修结果反馈失败时，系统通过上位机通知现场作业人员进行人工排查；若二次判断存在小干扰事件时，则系统自动针对诊断小干扰事件的原因，并切换至备用系统降低系统负载，若结果反馈修复成功时，则将等级降低为绿色状态，若反馈结果修复失败时，则降等级提升为红色状态；
27、当系统判断当前状态为红色状态时，且进行二次判断存在小干扰事件，则系统将监控频率调整至a+级，对小干扰事件原因进行快速自动诊断，根据诊断结果，采取紧急修复措施，包括隔离故障区域、降低负载、替换或维修损坏的设备，对系统进行全面检查和紧急维修，并评估维修措施结果，确认系统是否已恢复到安全状态，如果维修成功，根据系统当前的稳定性和安全性，系统自动将状态降级至黄色或绿色；如果紧急维修失败，保持红色状态，并采取进一步的紧急措施，全面停电、启动备用资源，通过上位机通知现场作业人员，准备实施应急措施，安排现场作业人员进行全面人工排查和修复。
28、本专利技术的另外一个目的是提供一种评估电力系统小干扰稳定性的优化系统，通过状态划分模块通过收集和处理历史数据，建立预测模型，有效地进行系统状态分类，提前识别潜在问题，从而减少故障发生。采集模块利用传感器实时监控系统状态，确保数据的时效性和准确性，增强实时监控和数据驱动决策的能力。识别模块应用模式识别技术从实时数据中准确识本文档来自技高网...
【技术保护点】
1.一种评估电力系统小干扰稳定性的优化方法，其特征在于：包括，
2.如权利要求1所述的一种评估电力系统小干扰稳定性的优化方法，其特征在于：所述历史运行数据包括，负载数据、发电量数据、传输线路数据、天气数据、设备运行数据。
3.如权利要求2所述的一种评估电力系统小干扰稳定性的优化方法，其特征在于：所述预测模型表示为，
4.如权利要求3所述的一种评估电力系统小干扰稳定性的优化方法，其特征在于：所述利用模式识别技术从实时数据中识别出小干扰事件包括，
5.如权利要求4所述的一种评估电力系统小干扰稳定性的优化方法，其特征在于：所述识别出小干扰事件包括，当S(Xt)＞θ时，系统判定当前状态存在异常；
6.如权利要求5所述的一种评估电力系统小干扰稳定性的优化方法，其特征在于：所述状态划分包括，当Yt+1小于警戒阈值时，则系统自动判定为绿色状态，系统运行正常，保持系统稳定；
7.如权利要求6所述的一种评估电力系统小干扰稳定性的优化方法，其特征在于：所述根据小干扰事件和状态划分结果进行稳定性优化包括，当系统判断为当前状态为绿色
8.一种基于权利要求1-7任一所述的一种评估电力系统小干扰稳定性的优化方法的系统，其特征在于：包括，状态划分模块、采集模块、识别模块、优化模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种评估电力系统小干扰稳定性的优化方法，其特征在于：包括，
2.如权利要求1所述的一种评估电力系统小干扰稳定性的优化方法，其特征在于：所述历史运行数据包括，负载数据、发电量数据、传输线路数据、天气数据、设备运行数据。
3.如权利要求2所述的一种评估电力系统小干扰稳定性的优化方法，其特征在于：所述预测模型表示为，
4.如权利要求3所述的一种评估电力系统小干扰稳定性的优化方法，其特征在于：所述利用模式识别技术从实时数据中识别出小干扰事件包括，
5.如权利要求4所述的一种评估电力系统小干扰稳定性的优化方法，其特征在于：所述识别出小干扰事件包括，当s(xt)＞θ时，系统判定当前状态存在异常；
6.如权利要求5所述的一种评估电力系统小干扰稳定性的优化方法，其特征在于：所述状态划分包括，当yt+1小于警戒阈值时，则系统自动判定为绿色状态，系统运行正常，保持系统稳定；
7.如权利要求6所述的一种评估电力系统小干扰稳定性的优化方法，其特征在于：所述根据小干扰事件和状态划分...
【专利技术属性】
技术研发人员：文立斌，奚锦基，胡弘，孙志媛，熊莉，吴健旭，卢广陵，张龙飞，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
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。