[发明专利]基于特征提取的多指标面板数据的同调机组分群方法

说明书

本发明属于电力系统动态等值技术领域，尤其涉及一种基于特征提取的多指标面板数据的同调机组分群方法，包括：在故障条件下仿真得到机组从发生故障到故障切除后的3个指标：功角摇摆曲线、机端电压曲线、转子角速度，形成面板数据；将面板数据做正向化、归一化处理；在时间序列上提取N台机组在3个指标下的多个特征量：绝对值特征、波动特征、偏度特征和峰度特征以及趋势特征；基于提取的特征量，建立层次分析模型，利用熵权法计算3个指标权重及各指标下提取的特征值的权重，并计算N台机组间在3个指标下多个特征量的距离矩阵，最终得到计算N台机组的加权距离矩阵，利用Ward.D聚类法实现同调机组的分群。

技术领域

本发明属于电力系统动态等值技术领域，尤其涉及一种基于特征提取的多指标面板数据的同调机组分群方法。

背景技术

随着电网规模的不断扩大，随着电力系统发展，电网逐渐向交直流大电网运行方向发展，导致电力系统的电磁暂态分析愈发困难。减小大系统的规模，可提高分析计算效率，动态等值方法成为解决此问题的有效途径。此外，当电力系统受到严重扰动而导致机群之间发生失步振荡时，需进行紧急解列以防事故进一步扩大，导致全网崩溃，为确保系统稳定，同调机群的准确识别在机组快速解列中占有重地位。研究表明，发生扰动后系统中的发电机组有同调现象，即为某些机组的受扰轨迹具有一致性或相似性。基于扰动轨迹的相似性，可对发电机组进行同调分群，进而对电力系统进行动态等值。时至今日，现阶段动态等值主要依靠发电机转子摇摆角之差进行同调机组的识别，该方法在电力系统动态等值的同调分群中得到广泛的应用。但需要注意的是发电机转子摇摆角之差进行同调机组的识别的方法在同调识别过程中存在指标单一及特征提取不充分等问题，没有完全提取处发电机扰动后的暂态量以及考虑个特征量在时间上的变化。

发明内容

针对上述问题，本发明提出了一种基于特征提取的多指标面板数据的同调机组分群方法，包括：

步骤A：在故障条件下仿真得到机组从发生故障到故障切除后的3个指标：功角摇摆曲线、机端电压曲线、转子角速度，形成面板数据；将面板数据做正向化、归一化处理；在时间序列上提取N台机组在3个指标下的多个特征量：绝对值特征、波动特征、偏度特征和峰度特征以及趋势特征；

步骤B：基于提取的特征量，建立层次分析模型，利用熵权法计算3个指标权重及各指标下提取的特征值的权重，并计算N台机组间在3个指标下多个特征量的距离矩阵，最终得到计算N台机组的加权距离矩阵，利用Ward.D聚类法，实现同调机组的分群。

所述功角摇摆曲线为X₁，X₁＝[Δδ_i(t)]，Δδ_i(t)＝δ_i(t)-δ_i(t₀)；所述机端电压曲线为X₂，X₂＝[ΔV_i(t)]，ΔV_i(t)＝V_i(t)-V_i(t₀)；所述转子角速度为X₃，X₃＝[ω_i(t)]；X₁、X₂、X₃形成面板数据X；

式中：i表示机组，i＝1,2,…,N，δ_i(t)为电压相角，Δδ_i(t)为电压相角变化量，t为故障后的时刻，t₀为故障初始发生时刻；V_i(t)为机端电压幅值的标么值，ΔV_i(t)为机端电压幅值的标么值变化量；ω_i(t)为发电机i的转子角速度；N为发电机台数。

所述步骤B包括：

步骤B1：基于提取的特征量矩阵，建立层次分析模型；

特征量矩阵