[发明专利]一种基于电网实时数据的态势感知系统及其构建方法

权利要求书

1.一种基于电网实时数据的态势感知系统，其特征在于：其包括SCADA数据模块、PMU数据模块、实时数据库、历史数据库、动态潮流计算模块、负荷参数辨识模块、电压稳定评估模块以及系统动态监测管理显示界面；

所述SCADA数据模块和PMU数据模块分别从已有SCADA调度监控系统和PMU广域监测系统中提取采集的实时SCADA数据和相量测量数据发送到所述实时数据库和系统动态监测管理显示界面；

所述实时数据库对接收到的实时数据进行预处理后分别发送到所述动态潮流计算模块、负荷参数辨识模块、电压稳定评估模块、历史数据库和系统动态监测管理显示界面；所述实时数据库对接收到的实时数据进行预处理是指：将接收到的实时SCADA数据和相量测量数据进行数据断面对齐后，保存到实时数据库，断面厚度为秒级；其中，断面是指在同一时标下的电力系统内的数据，断面对齐是指将实时数据库中多时标断面的数据按照时标进行提取；

所述动态潮流计算模块根据预处理后的实时相量测量数据和SCADA数据进行动态潮流的实时计算，并将计算结果发送到所述历史数据库和系统动态监测管理显示界面；

所述负荷参数辨识模块根据预处理的实时数据以及历史数据库中的历史数据进行负荷参数辨识，得到的负荷参数辨识结果发送到所述电压稳定评估模块、历史数据库和系统动态监测管理显示界面；进行负荷参数辨识时，从预处理后的相量测量数据中提取用于负荷模型参数辨识的电压、电流的幅值和相角相量数据；根据提取的电压、电流相量数据，对负荷参数中的电磁参数进行辨识，得到电磁参数的辨识结果；根据得到的电磁参数辨识结果，对负荷参数中的机电参数进行辨识，得到机电参数的辨识结果；电磁参数的辨识结果与机电参数的辨识结果相结合，得到负荷参数辨识结果；

其中，对负荷参数中的电磁参数进行辨识时，包括：通过预处理后的相量测量数据提取用于负荷模型参数辨识的电压、电流的幅值和相角相量数据，根据电压、电流的幅值和相角相量数据计算得到有功功率和无功功率实测值；根据提取的电压、电流的幅值和相角，以及一组预设的电磁参数数值，计算得到在相同的电压幅值、电压相角输入信号的作用下，有功功率、无功功率两个输出信号的预测值；根据有功功率和无功功率输出信号的预测值及其实测值，构建有功功率和无功功率预测值与实测值的偏差平方和作为目标函数；采用差分进化算法，对建立的目标函数进行优化求解，得到使目标函数达到最小值的一组电磁参数数值作为电磁参数辨识结果；

对负荷参数中的机电参数进行辨识时，包括：根据得到的电磁参数辨识结果，计算每一时刻的转差率，用于机电参数的辨识；根据一组预设的机电参数数值，计算出在相同电磁功率输入信号的条件下，转差率的预测值；根据得到的转差率的预测值和计算值，构建转差率的偏差平方和作为目标函数；采用差分进化算法，对建立的目标函数进行优化求解，得到使目标函数达到最小值的一组机电参数作为机电参数辨识结果；

所述电压稳定评估模块根据预处理的实时数据、负荷参数辨识结果进行电压稳定评估，得到的评估结果发送到历史数据库和系统动态监测管理显示界面；进行电压稳定评估时，包括：根据历史数据库中存储的电网运行状况历史数据和预想事故集，进行计算时域仿真得到原始数据集，进而得到特征数据集和输出数据集；从原始数据集的N个数据样本中随机抽取预设值的数据样本集成为训练数据集，将剩余的数据样本集成为测试数据集；利用决策树分类学习算法对得到的训练数据集进行分类学习，得到的分类评估模型作为在线电压稳定评估模型；采用测试数据集对在线电压稳定评估模型进行测试，得到测试通过后的电压稳定评估模型；以测试数据集中的特征数据集作为输入，得到相应的输出数据集，将得到的输出数据集与测试数据集中的输出数据集相对比：若在线电压稳定评估模型的评估准确率不低于预设值，则在线电压稳定评估模型的评估性能满足要求，进行下一步；若在线电压稳定评估模型的评估准确率低于预设值，则重新进行分类学习，直到得到的电压稳定评估模型的评估准确度不低于预设值；当系统遭遇扰动或事故后，将基于实时采集的故障后电网中各节点的实时量测数据得到的负荷参数辨识结果处理后作为特征数据集，输入到测试通过后的在线电压稳定评估模型中，得到的输出作为当前系统暂态电压稳定状态的评估结果；

所述历史数据库和系统动态监测管理显示界面分别对接收到的所有数据进行保存和展示。

2.一种基于电网实时数据的态势感知系统的构建方法，其特征在于包括以下步骤：

1）对实时SCADA数据和相量测量数据进行采集；

2）对采集的实时SCADA数据和相量测量数据进行预处理；对接收到的实时数据进行预处理是指：将接收到的实时SCADA数据和相量测量数据进行数据断面对齐后，保存到实时数据库，断面厚度为秒级；其中，断面是指在同一时标下的电力系统内的数据，断面对齐是指将实时数据库中多时标断面的数据按照时标进行提取；

3）根据预处理后的相量测量数据和SCADA数据进行动态潮流的实时计算，得到动态潮流计算结果；

4）根据预处理后的相量测量数据,通过存储的历史数据进行负荷参数辨识，得到负荷参数辨识结果；

所述步骤4）中，进行负荷参数辨识的方法，包括以下步骤：

4.1）从预处理后的相量测量数据中提取用于负荷模型参数辨识的电压、电流的幅值和相角相量数据；

4.2）根据提取的电压、电流相量数据，对负荷参数中的电磁参数进行辨识，得到电磁参数的辨识结果；

所述步骤4.2）中，电磁参数辨识的方法，包括以下步骤：

4.2.1）通过预处理后的相量测量数据提取用于负荷模型参数辨识的电压、电流的幅值和相角相量数据，根据电压、电流的幅值和相角相量数据计算得到有功功率和无功功率实测值；

4.2.2）根据提取的电压、电流的幅值和相角，以及一组预设的电磁参数数值，计算得到在相同的电压幅值、电压相角输入信号的作用下，有功功率、无功功率两个输出信号的预测值；

4.2.3）根据有功功率和无功功率输出信号的预测值及其实测值，构建有功功率和无功功率预测值与实测值的偏差平方和作为目标函数；

4.2.4）采用差分进化算法，对步骤4.2.3）建立的目标函数进行优化求解，得到使目标函数达到最小值的一组电磁参数数值作为电磁参数辨识结果；

4.3）根据得到的电磁参数辨识结果，对负荷参数中的机电参数进行辨识，得到机电参数的辨识结果；

包括以下步骤：

4.3.1）根据得到的电磁参数辨识结果，计算每一时刻的转差率，用于机电参数的辨识；

4.3.2）根据一组预设的机电参数数值，计算出在相同电磁功率输入信号的条件下，转差率的预测值；

4.3.3）根据得到的转差率的预测值和计算值，构建转差率的偏差平方和作为目标函数；

4.3.4）采用差分进化算法，对建立的目标函数进行优化求解，得到使目标函数达到最小值的一组机电参数作为机电参数辨识结果；

4.4）电磁参数的辨识结果与机电参数的辨识结果相结合，得到负荷参数辨识结果；

5）根据预处理后的相量测量数据、负荷参数辨识结果，利用决策树分类学习方法建立电压稳定评估模型，由电压稳定评估模型进行电压稳定的在线评估，得到电压稳定评估结果；

包括以下步骤：

5.1）根据历史数据库中存储的电网运行状况历史数据和预想事故集，进行计算时域仿真得到原始数据集，进而得到特征数据集和输出数据集；

5.2）从原始数据集的N个数据样本中随机抽取预设值的数据样本集成为训练数据集，将剩余的数据样本集成为测试数据集；

5.3）利用决策树分类学习算法对步骤5.2）得到的训练数据集进行分类学习，得到的分类评估模型作为在线电压稳定评估模型；

5.4）采用测试数据集对在线电压稳定评估模型进行测试，得到测试通过后的电压稳定评估模型；

以测试数据集中的特征数据集作为输入，得到相应的输出数据集，将得到的输出数据集与测试数据集中的输出数据集相对比：

若在线电压稳定评估模型的评估准确率不低于预设值，则在线电压稳定评估模型的评估性能满足要求，进行步骤5.5）；

若在线电压稳定评估模型的评估准确率低于预设值，则重复步骤5.3）重新进行分类学习，直到得到的电压稳定评估模型的评估准确度不低于预设值；

5.5）当系统遭遇扰动或事故后，将基于实时采集的故障后电网中各节点的实时量测数据得到的负荷参数辨识结果处理后作为特征数据集，输入到经过步骤5.4）测试通过后的在线电压稳定评估模型中，得到的输出作为当前系统暂态电压稳定状态的评估结果；

6）对实时SCADA数据和相量测量数据、预处理后的SCADA数据和相量测量数据、动态潮流计算结果、负荷参数辨识结果以及电压稳定评估结果进行存储并生成历史文件；

7）对实时SCADA数据和相量测量数据、预处理后的SCADA数据和相量测量数据、动态潮流计算结果、负荷参数辨识结果以及电压稳定评估结果进行展示。