[发明专利]一种电力系统暂态稳定裕度预测方法

权利要求书

1.一种电力系统暂态稳定裕度预测方法，其特征在于，所述方法包括以下步骤：

（1）提取电力系统不同故障模式下的运行数据；

（2）根据运行数据计算输入特征量，以及临界故障切除时间的裕度值；

（3）将输入特征量作为神经网络的训练样本，根据临界故障切除时间的裕度值大小将训练样本分为不稳定类、较不稳定类、中间类、较稳定类、稳定类五种类别，将分类结果作为输出量，用于训练概率神经网络；

（4）将每种类别训练样本在边界处的选取范围适当拓宽，形成重叠分类，将分类后的每一子类样本作为输入量，子类样本的临界故障切除时间的裕度值作为输出量，训练径向基神经网络；

（5）通过训练的概率神经网络和径向基神经网络形成复合神经网络，并对其进行测试和校核；

（6）在线监测电力系统当前的运行状态；

（7）电力系统无故障发生，则返回步骤（6），继续监测电力系统运行状态；若电力系统发生短路故障时，则提取电力系统中与步骤（1）相同类型的运行数据，根据提取数据计算输入特征量，形成输入特征量样本；

（8）将输入特征量样本输入步骤（5）训练得到的复合神经网络，根据复合网络计算临界故障切除时间的裕度值预测结果；

（9）若临界故障切除时间的裕度值大于0，则电力系统是暂态稳定的，返回步骤（6）继续监测；若临界故障切除时间的裕度值小于0，则电力系统暂态不稳定，需要采取相应措施使得电力系统重新建立稳定运行状态。

2.根据权利要求1所述的一种电力系统暂态稳定裕度预测方法，其特征在于，所述临界故障切除时间的裕度值T_sm具体为：

T_sm=T_cct-T_ct

其中，T_cct为临界故障切除时间，T_ct为当前故障切除时间。

3.根据权利要求1所述的一种电力系统暂态稳定裕度预测方法，其特征在于，所述将输入特征量作为神经网络的训练样本，根据临界故障切除时间的裕度值大小将训练样本分为不稳定类、较不稳定类、中间类、较稳定类、稳定类五种类别，将分类结果作为输出量具体为：

其中，t₁，t₂，t₃，t₄为裕度值边界点，满足以下不等式：

t₁<t₂<0<t₃<t₄。

4.根据权利要求1所述的一种电力系统暂态稳定裕度预测方法，其特征在于，所述将每种类别训练样本在边界处的选取范围适当拓宽，形成重叠分类具体为：

其中，Δt_i为分类边界点附近的一个变化量值，Δt_i的取值大于0，i=1,2,3,4。

5.根据权利要求1所述的一种电力系统暂态稳定裕度预测方法，其特征在于，所述通过训练的概率神经网络和径向基神经网络形成复合神经网络，并对其进行测试和校核具体为：

测试样本数据先经过概率神经网络分类，得到测试样本的归属类别m，再用对应第m类别的径向基神经网络预测临界故障切除时间的裕度值；最后对预测结果进行自检查和修正，如果预测结果超出子类径向基神经网络的预测范围，则采用以下计算公式进行修正：

Si=si(k);si(k)∈[smin(k),smax(k)](Σj=1,j≠k5ωkjsi(j))·d1+si(k)·d2;si(k)∉[smin(k),smax(k)]]]>

其中，s_i为第i个样本的CCT裕度预测修正值；为第i个样本在第k类子网络的CCT裕度预测值；分别为第k类子网络的裕度边界最小最大值；是根据子类间距离确定的权值，距离越大，权值越小；d₁,d₂为修正系数。