[发明专利]一种电力系统的在线主动解列控制方法及系统

权利要求书

1.一种电力系统的在线主动解列控制方法，其特征在于，所述在线主动解列控制方法包括如下步骤：

步骤S1，获取电力系统的实时状态，包括电力系统的潮流数据和发电机的状态变量；

步骤S2，根据电力系统的实时状态，预测电力系统的暂态稳定性，判断电力系统是否失稳，若失稳，则进入步骤S3；否则，返回步骤S1；

步骤S3，根据电网实时信息，在广域量测环境下，测得发电机组各发电机的功角信号，并根据发电机组的发电机台数构造有限高维数据集，采用邻域高维可视化算法，并结合M-均根类群聚合法，对发电机组进行慢同调分群，将发电机组划分为多个慢同调机群；

步骤S4，通过邻域粗糙集理论对电力负荷相关的属性进行约简后作为短期电力负荷预测模型的输入变量，建立短期电力负荷预测模型；

通过全局进化寻优算法对模型参数进行寻优，并根据步骤S3得到的发电机组的同调分群结果，将电力负荷按照发电机的分群进行划分，预测电力负荷分群结果；

步骤S5，根据步骤S3和S4中发电机组和电力负荷的分群结果，采用深度学习算法，并结合GA搜索算法，寻求最优的解列孤岛数量和孤岛初始搜索节点，从而确定满足约束条件的最优解列断面；

步骤S6，根据步骤S5得到的最优解列断面，即可实现电力系统的在线主动解列。

2.根据权利要求1所述的电力系统的在线主动解列控制方法，其特征在于，步骤S3中，对发电机组进行同调分群的具体方法为：

步骤S31：测量电力系统故障后的发电机功角信号；

步骤S32：根据发电机功角信号和发电机台数构造有限高维数据集；

步骤S33：采用邻域高维可视化算法对步骤S32中的有限高维数据集进行降维处理，并通过梯度下降方法最小化高维空间与低维空间的几何欧式距离，得到发电机功角信号最佳的低维空间模拟点；

步骤S34：采用M-均根类群聚合算法，将最佳的低维空间模拟点作为M-均根类群聚合算法的聚类质心点；

步骤S35：采用同类收敛算法，得出分类标签，实现发电机组的同调分群。

3.根据权利要求1所述的电力系统的在线主动解列控制方法，其特征在于，步骤S4中，通过邻域粗糙集理论对电力负荷相关的属性进行约简的步骤如下：

1)选取电力负荷相关的属性，构建属性集，包括条件属性集和决策属性集，条件属性集包括历史负荷数据、机组分群信息，决策属性集包括样本日负荷值；

2)取0.2≤负荷样本的邻域半径≤0.4，计算属性集中每个属性的邻域关系，构成邻域决策系统；

3)计算属性集中的属性重要度，选择属性重要度最大的属性加入约简集中，初始的约简集为空集；

4)重新计算属性集中的属性重要度，当时，说明属性a_i加入到约简集S的属性重要度变大，属性a_i为必不可少的属性，则将新属性a_i加入到约简集S中；

其中，表示属性a_i加入到约简集S的属性重要度，γ_S(D)表示约简集S中的属性对于决策属性集D中的属性的依赖度，i＝1,2,3,···,n；

5)重复步骤4)，直到属性a_i加入到约简集S的属性重要度不再发生变化时，输出约简集。

4.根据权利要求3所述的电力系统的在线主动解列控制方法，其特征在于，步骤S4中，所述短期电力负荷预测模型为：

其中，f(x)为短期电力负荷预测模型中期望得到的函数值；

K(x,x_i)表示核函数；

λ_i为拉格朗日乘子；

b为模型参数。