目前,大電網(wǎng)在線運行安全分析已成為電力調(diào)度運行的重要組成部分,在線安全穩(wěn)定分析已融入到調(diào)度運行的核心業(yè)務流程中。隨著大規(guī)�？稍偕茉吹慕尤牒碗娋W(wǎng)互聯(lián)規(guī)模的擴大,電力系統(tǒng)的安全穩(wěn)定分析和調(diào)度運行控制面臨更為嚴峻的考驗。傳統(tǒng)的“人工經(jīng)驗判斷+在線計算輔助決策”的生產(chǎn)方式已經(jīng)不能滿足當前電網(wǎng)復雜多變的調(diào)度運行需求。因此需要對電網(wǎng)監(jiān)測數(shù)據(jù)進行深度挖掘,進行不依賴于模型的電力系統(tǒng)暫態(tài)穩(wěn)定評估,通過電網(wǎng)當前運行狀態(tài)和歷史數(shù)據(jù)獲知系統(tǒng)的穩(wěn)定水平和變化趨勢,以幫助運行人員及時制定提高電網(wǎng)穩(wěn)定性的相關措施。現(xiàn)有的數(shù)據(jù)驅(qū)動式電網(wǎng)穩(wěn)定評估方法,多僅對系統(tǒng)穩(wěn)定與否進行判斷,未給出電網(wǎng)穩(wěn)定程度的量化描述;且電網(wǎng)數(shù)據(jù)普遍存在運行狀態(tài)量多、而失穩(wěn)樣本偏少的問題,從而影響穩(wěn)定評估的效率和準確性。本文提出基于多屬性決策樹和電網(wǎng)暫態(tài)穩(wěn)定裕度指標的電網(wǎng)穩(wěn)定規(guī)則辨識方法。利用互信息篩選電網(wǎng)關鍵運行特征,進而通過特征變換及穩(wěn)定裕度離散化構(gòu)建多屬性決策樹;提出電網(wǎng)穩(wěn)定關聯(lián)規(guī)則的獲取原則,并通過對決策樹的回推分析確定改善系統(tǒng)穩(wěn)定性的措施;最后對電網(wǎng)運行時序數(shù)據(jù)進行分析,提出電網(wǎng)穩(wěn)定性變化趨勢的預測方法。具體工作如下:(1)基于互信息的電網(wǎng)關鍵運行特征獲取。通過計算電網(wǎng)狀態(tài)特征與系統(tǒng)穩(wěn)定裕度之間的互信息,挑選出與系統(tǒng)穩(wěn)定性關聯(lián)度較大的關鍵電氣特征;通過計算多個電氣特征組合與穩(wěn)定裕度之間的互信息,獲知組合特征與穩(wěn)定裕度之間的關聯(lián)程度;利用IEEE39節(jié)點系統(tǒng)獲取大量仿真樣本,對上述方法的正確性和有效性進行分析、驗證。(2)基于多屬性決策樹的電力系統(tǒng)穩(wěn)定關聯(lián)規(guī)則辨識方法。對所獲取的電網(wǎng)關鍵運行特征集進行LDA(Linear Discrimination Analysis)變換,通過穩(wěn)定裕度的離散化,針對特定故障生成可用于穩(wěn)定規(guī)則辨識的多屬性決策樹,并提出了相關規(guī)則的獲取原則;根據(jù)所形成的多屬性決策樹和所得規(guī)則,提出基于決策樹回推的改善電網(wǎng)穩(wěn)定程度的調(diào)整策略;在IEEE39節(jié)點系統(tǒng)中對特定故障場景進行仿真,驗證了所提方法的可行性與有效性。(3)基于時間序列分析方法的電網(wǎng)穩(wěn)定變化趨勢預測方法�；贙-means算法對穩(wěn)定裕度時序數(shù)據(jù)進行聚類分析,定義不同樣本的穩(wěn)定裕度時序變化趨勢;在潮流運行狀態(tài)時序變化數(shù)據(jù)的基礎上,分析潮流斷面變化同系統(tǒng)穩(wěn)定性變化之間的關聯(lián)性;基于分離度指標確定各類別的參考序列,并對各樣本穩(wěn)定裕度時序變化趨勢類別進行判斷;通過相似性匹配的方法評價電網(wǎng)穩(wěn)定裕度變化并判定其所屬類別,提出加速搜索方法提高相似序列的匹配效率。最后通過仿真驗證了所提出方法的有效性。
【學位單位】：山東大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TM712
【部分圖文】：

＇計算完成后批量讀取結(jié)果文件中的數(shù)據(jù)，獲取所??需的樣本運行數(shù)據(jù)與穩(wěn)定裕度。具體流程如圖２－２所示。??本論文只針對暫態(tài)功角穩(wěn)定問題展開研宄，故僅將各發(fā)電機有功出力與各負??荷有功功率作為樣本特征。丨ＥＥＥ－３９節(jié)點系統(tǒng)中共有９臺發(fā)電機有功出力（除去??平衡節(jié)點）以及１８個負荷節(jié)點有功功率，共２７個特征變量。??為測試通過本部分方法所獲取樣本的均勻性，防止樣本分布極度不均勻影響??相關方法驗證效果。本部分利用線性變換對樣本各特征進行歸一化處理，所采用??公式如式（２－７）所示：??Ｖ＿?Ｖ＂??Ｘ?＝?（２－７）??ｎｏｒｍ?ｐｒ?－ｙ??八?ｍａｘ?ｍｉｎ??為歸一化后的特征值，７為相應的特征值，為該特征的取值序列??中的最小值，為該特征的取值序列中的最大值。由于Ｚｍｉｎ，均為常數(shù)，??１４??

８?（Ｇ）３１?（ｔ）ｉ２?＂（Ｇ）?（ｔ＞?（Ｇ）??圖２－１?ＩＥＥＥ－３９節(jié)點測試系統(tǒng)??本文通過對某一潮流樣本的潮流運行狀態(tài)的讀取，并以此狀態(tài)為基準，按均??勻概率分布隨機調(diào)節(jié)負荷有功、發(fā)電機出力以及機端電壓的方式獲取大量潮流樣??本數(shù)據(jù)，模擬不同的電網(wǎng)運行方式。其中負荷有功分布在基準值的７０％－１３０％之??間，發(fā)電機出力分布在基準值的７５％－１２５％，機端電壓分布在基準值的９０％－１１０％??之間。按均勻隨機概率分布設定初始狀態(tài)，獲�。担埃埃敖M樣本。并基于ＢＰＡ的潮??流計算內(nèi)核與暫態(tài)計算內(nèi)核文件，借助于Ｐｙｔｈｏｎ進行批量潮流計算，對所設置??的多種故障進行批量暫態(tài)計算，＇計算完成后批量讀取結(jié)果文件中的數(shù)據(jù)，獲取所??需的樣本運行數(shù)據(jù)與穩(wěn)定裕度。具體流程如圖２－２所示。??本論文只針對暫態(tài)功角穩(wěn)定問題展開研宄

２．３．２單屬性互信息值計算結(jié)果??利用２．２．２中所述互信息的計算方法計算本文所用的２７個特征變量與所設故??障集下系統(tǒng)穩(wěn)定裕度間的互信息，結(jié)果如圖２－３所示：??Ｉ：：??輸入屬性特征（發(fā)電機或負荷有功）??圖２－３各屬性互信息??圖中Ｚ軸為互信息值，Ｘ軸和Ｙ軸分別為特征編號以及故障編號。從圖中??可以看出，對于不同的故障形式，不同發(fā)電機及負荷與系統(tǒng)穩(wěn)定性之間的互信息??差異較大。且發(fā)電機有功出力間的差異性相較于負荷有功間的差異性更為明顯。??綜合考慮各故障樣本穩(wěn)定裕度分布情況、失穩(wěn)情況，以及各屬性間互信息值??的差異度等，選取四種典型故障進行下一步的研宄分析，并利用此四種典型故障??對互信息方法選取特征的有效性進行驗證。（１）４１號故障：母線２１三相短路并??于０．１ｓ后跳出所有出線；（２）?３４號故障：母線８三相短路并于０．１ｓ后跳出所有??出線；（３）?６９號故障：線路２８－２９發(fā)生三相短路并于０．１ｓ后切除線路；（４）５４??１６??
【參考文獻】

相關期刊論文 前10條

1 李剛;許鵬程;韓龍美;;基于小波分析的電力系統(tǒng)故障時空檢測與診斷[J];系統(tǒng)仿真學報;2015年12期

2 郁琛;薛禹勝;文福拴;董朝陽;K.P.WONG;Kang LI;;按時序特征優(yōu)化模型后在線選配的超短期風電預測[J];電力系統(tǒng)自動化;2015年08期

3 嚴英杰;盛戈皞;陳玉峰;江秀臣;郭志紅;秦少鵬;;基于時間序列分析的輸變電設備狀態(tài)大數(shù)據(jù)清洗方法[J];電力系統(tǒng)自動化;2015年07期

4 鐘錦源;張巖;文福拴;朱海兵;李虎成;樊海鋒;;基于時間序列相似性匹配的輸電系統(tǒng)故障診斷方法[J];電力系統(tǒng)自動化;2015年06期

5 王德文;孫志偉;;電力用戶側(cè)大數(shù)據(jù)分析與并行負荷預測[J];中國電機工程學報;2015年03期

6 黃彥浩;于之虹;謝昶;史東宇;周孝信;;電力大數(shù)據(jù)技術(shù)與電力系統(tǒng)仿真計算結(jié)合問題研究[J];中國電機工程學報;2015年01期

7 于之虹;黃彥浩;魯廣明;史東宇;周孝信;嚴劍峰;卜廣全;田芳;李亞樓;;基于時間序列關聯(lián)分析的穩(wěn)定運行規(guī)則提取方法[J];中國電機工程學報;2015年03期

8 張沛;楊華飛;許元斌;;電力大數(shù)據(jù)及其在電網(wǎng)公司的應用（英文）[J];中國電機工程學報;2014年S1期

9 孫斌;姚海濤;;風電場風速時間序列的多重分形去趨勢波動分析[J];電工技術(shù)學報;2014年06期

10 黃磊;舒杰;姜桂秀;張繼元;;基于多維時間序列局部支持向量回歸的微網(wǎng)光伏發(fā)電預測[J];電力系統(tǒng)自動化;2014年05期

本文編號：2880625