【技术实现步骤摘要】
本专利技术涉及电力系统，尤其涉及一种基于逐差法的电力系统惯量评估方法、装置、设备及介质。
技术介绍
1、随着现代社会对电力需求的不断增长及可再生能源技术的迅速发展，电力系统的稳定性和可靠性成为确保能源供应的至关重要因素。但由于电力系统组成结构和运行条件的不断演变、风电和光伏发电等可再生能源的广泛应用、以及储能、直流输电技术的大量接入，导致了新型电力系统与传统电力系统相比，惯量水平呈现不断减小的趋势。具体表现为波动性加强、稳定性降低。所以在面对外界扰动时，若新型电力系统对外部扰动的抵抗能力不足，就会导致电力系统的稳定性与可靠性无法达到要求。
2、能源形势日趋紧张和绿色发展亟待践行的情况下，全球已有许多国家计划扩大新能源发电规模。在未来几十年会逐步淘汰一批化石能源电源，同时，风光等新能源并网使传统同步机占比下降、跨区域直流输电分割了系统惯量、电力电子元件与系统解耦，这些都会使电力系统惯量水平逐步下降，电网运行的风险水平进一步提高。由此可见，电力系统惯量的准确评估，对于防范电力系统在面对突发事件时的失稳具有关键性意义。
3、传统的电力系统惯量评估方法主要基于物理知识模型，通过深入理解电力系统的物理原理进行计算。然而，这种方法若利用完整的物理模型，通常需要大量的计算时间和资源，计算速度较慢，尤其在面对复杂系统或大规模仿真时更加明显，其建立和维护需要大量的物理知识和计算机硬件支持，这使得该方法在实际应用中可能受到成本和资源限制。相比之下，简化的物理模型可能会牺牲一定的计算精度，但能够显著提高计算速度。然而，简化模型
4、公开于该
技术介绍
部分的信息仅仅旨在加深对本专利技术的总体
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
1、本专利技术提供了一种基于逐差法的电力系统惯量评估方法、装置、设备及介质，从而有效解决
技术介绍
中的问题。
2、为了达到上述目的，本专利技术所采用的技术方案是：一种基于逐差法的电力系统惯量评估方法，包括如下步骤：
3、针对电力系统惯量评估中扰动后频率变化率求取问题，利用逐差法进行计算；
4、基于求出的频率变化率，利用由转子运动方程推导而来的物理模型计算出惯量估计值，并利用惯量理论值公式计算出系统的实际惯量；
5、构建神经网络，划分出训练集与测试集，将物理模型的输出结果作为神经网络的输入，使用训练后的神经网络对电力系统惯量计算值与理论值的差值进行评估；
6、利用评估出的差值与物理模型计算出的惯量估计值，得到最终的电力系统惯量评估结果。
7、进一步地，利用逐差法进行计算中，当频率采样点为偶数个时，所有数据均参与运算，当采样点个数为奇数个时，舍弃处于中间位置的数据。
8、进一步地，针对电力系统惯量评估中扰动后频率变化率求取问题，利用逐差法进行计算，包括如下步骤：
9、搭建电力系统模型，并在系统中设置不同惯量水平下的不同扰动；
10、采集电力系统受扰动后的频率、扰动节点及扰动大小，对于各台发电机的频率数据，每隔时间采集一次；
11、用每个时间节点采集到的发电机频率值，计算出频率平均值作为该时间节点的中心频率；
12、基于逐差法计算出扰动后的频率变化率，在采样中心频率n为偶数时，把数据从中间分开，则第1个数值与第个数值的时间间隔为，以此类推逐个计算变化率值，表达式如下：
13、；
14、对各段的变化率取平均值并进行化简，得到最终的逐差法计算公式，表达式如下：
15、；
16、式中，为频率变化率，为采样点个数，为第组各发电机频率平均值，为采样间隔；
17、当为奇数时，需舍弃中间位置的数值再进行计算。
18、进一步地，物理模型表达式如下：
19、；
20、式中，是扰动后功率不平衡量的标幺值， ，为机械功率标幺值，为电磁功率标幺值，即代表系统的惯量估算值，为系统的额定频率。
21、进一步地，利用惯量理论值公式计算出系统的实际惯量，包括：
22、；
23、式中，为系统惯性常数理论值，和分别为第台同步机组的惯性常数和额定容量，为发电机台数；
24、电力系统惯量估计值与理论值的偏差为：
25、。
26、进一步地，构建神经网络，划分出训练集与测试集，包括如下步骤：
27、将某惯量水平下发生的某种扰动所采集到的数据，及该条件下所得到的惯量估计值与理论值即为一组，将收集到的所有组样本数据按9：1划分为测试集与训练集；
28、将频率值、扰动节点、扰动大小、惯量估计值、惯量偏差这些特征量归一化处理至[0,1]内，表达式如下：
29、；
30、式中，为归一化后的数据，为原始数据，为原始数据中的最小值，为原始数据中的最大值；
31、搭建基于卷积神经网络cnn、长短期记忆lstm和注意力机制attention的cnn-lstm-attention神经网络，用若干个cnn卷积核进行特征提取，生成的特征图经平均池化层处理后，点乘注意力机制，将结果与原始输入量经扁平化处理，全部输入隐藏层数目为50的lstm层，经过全连接层后得到输出结果；
32、配置神经网络参数，需要调整的参数包括批大小、最大迭代次数、学习率、学习率下降因子、学习率下降周期；调整参数时需同时考虑运算时间与误差两方面因素，第一次训练神经网络时可先对神经网络参数进行初始化，再多次训练神经网络，根据运行结果不断调整参数，以选出最优参数；
33、用训练集训练神经网络，把归一化后的频率值、扰动节点、扰动大小、惯量估计值输入神经网络，以惯量偏差作为神经网络的输出，对cnn-lstm-attention神经网络进行训练；
34、将测试集的输入特征量输入神经网络，将神经网络的预测值与理论输出值进行比较，检测训练好的神经网络的预测效果，评价指标包括绝对误差、平均绝对误差、平均绝对误差百分比、均方根误差，表达式如下：
35、；
36、；
37、；
38、；
39、式中，ae为绝对误差，mae为平均绝对误差，mape为平均绝对误差百分比，rmse为均方根误差，为样本数量，为预测值，为真实值；
40、根据评价指标判断本次训练出的神经网络是否可接受，若可接受则停止训练。
41、进一步地，利用评估出的差值与物理模型计算出的惯本文档来自技高网...
【技术保护点】
1.一种基于逐差法的电力系统惯量评估方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于逐差法的电力系统惯量评估方法，其特征在于，所述利用逐差法进行计算中，当频率采样点为偶数个时，所有数据均参与运算，当采样点个数为奇数个时，舍弃处于中间位置的数据。
3.根据权利要求2所述的基于逐差法的电力系统惯量评估方法，其特征在于，所述针对电力系统惯量评估中扰动后频率变化率求取问题，利用逐差法进行计算，包括如下步骤：
4.根据权利要求1所述的基于逐差法的电力系统惯量评估方法，其特征在于，所述物理模型表达式如下：
5.根据权利要求4所述的基于逐差法的电力系统惯量评估方法，其特征在于，所述利用惯量理论值公式计算出系统的实际惯量，包括：
6.根据权利要求1所述的基于逐差法的电力系统惯量评估方法，其特征在于，构建神经网络，划分出训练集与测试集，包括如下步骤：
7.根据权利要求1所述的基于逐差法的电力系统惯量评估方法，其特征在于，利用评估出的差值与物理模型计算出的惯量估计值，得到最终的电力系统惯量评估结果，包括：
<...【技术特征摘要】
1.一种基于逐差法的电力系统惯量评估方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于逐差法的电力系统惯量评估方法，其特征在于，所述利用逐差法进行计算中，当频率采样点为偶数个时，所有数据均参与运算，当采样点个数为奇数个时，舍弃处于中间位置的数据。
3.根据权利要求2所述的基于逐差法的电力系统惯量评估方法，其特征在于，所述针对电力系统惯量评估中扰动后频率变化率求取问题，利用逐差法进行计算，包括如下步骤：
4.根据权利要求1所述的基于逐差法的电力系统惯量评估方法，其特征在于，所述物理模型表达式如下：
5.根据权利要求4所述的基于逐差法的电力系统惯量评估方法，其特征在于，所述利用惯量理论值公式计算出系统的实际惯量，包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：史林军，赵翊洁，吴峰，夏元兴，李杨，符灏，
申请(专利权)人：河海大学，
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。