[发明专利]一种基于主成分分析与置信检测的静态电压稳定评估方法

说明书

一种基于主成分分析和置信检测的在线电压稳定评估的方法，具体步骤包括：步骤一：基于电力系统历史运行数据，建立初始样本集，并进行归一化；步骤二：对初始样本集的压缩和降维，得到高效样本集；步骤三：完成评估模型的更新；步骤四：利用已完成更新的评估模型进行实时电压稳定评估，得到在线评估结果；步骤五：使用置信检测的方法，对实时电压稳定评估结果进行评价，得出最终的在线评估结果。本发明的目的是提出一种高精度，高效率的的电力系统在线电压稳定评估模型，有利于系统操作人员更好地确定电力系统的运行状态，提高电网运行的安全性与可靠性，降低严重的电力系统事故对社会经济的损失。

技术领域

本发明属于电力系统电压稳定评估领域，具体涉及一种基于主成分分析与置信检测的静态电压稳定评估方法。

背景技术

电力系统是一个复杂的工业系统，其运行状态一直是关注的焦点。近年来，随着可再生能源的可持续发展，现代电力系统的广域互联，新设备的投入运行，高电压等级输电，输电容量不断加大。使得电力系统的运行负担不断加重，给电力系统的安全运行带来了巨大的挑战。然而静态电压稳定是电力系统安全运行的关键，世界范围内的重大停电事故很多都与静态电压稳定有关，电压崩溃可能导致巨大的经济损失以及不利的社会影响，静态电压稳定评估的研究日益受到广泛关注。因此进行可靠、快速、准确的电压稳定评估，识别系统安全状态，对系统进行预防控制保护，维护系统安全稳定运行具有重要意义。通常静态电压稳定评估的研究，是根据电压稳定裕度(Voltage Stability Margin，VSM)来衡量某个工作点离电压崩溃点的距离。针对该技术，有多种电压稳定评估方法，主要分为两个角度：机理研究、数据驱动。

基于机理研究的方法，包括奇异值分解方法、和灵敏度分析法、连续潮流法。然而，由于现代电力系统日益复杂、规模愈加庞大。传统机理研究方法在大系统上的使用已经是难度大且计算速度慢，已无法保证对电力系统进行实时且有效的评估。

基于数据驱动的方法主要有人工神经网络、极限学习机、决策树、支持向量机等。但是随着广域测量系统的快速发展和同步相量测量单元的广泛应用，收集数据变得愈加方便快捷，产生的庞大数据使得分析和处理变的越来越复杂。因此传统的数据驱动方法还有着许多的缺陷与不足，比如：处理大量的样本数据显得困难，处理数据时经常丢失。

综上所述，目前的静态电压评估方法已经不能满足现代电力系统对电压稳定评估的需求了，急需一种高适应性、高精度的评估方法。

发明内容

针对上述问题与不足，本发明提供了一种基于主成分分析和置信检测的在线电压稳定评估的方法，以更有效的处理在电力系统安全评估中所遇到的问题。使用主成分分析的方法，完成数据的压缩与降维，并构建高精度，高效率的在线电压评估模型，实时的评估系统运行中的安全状态，提高电力系统运行的安全性和稳定性。

为了实现上述发明目的，本发明所述方法具体包括以下步骤：

一种基于主成分分析与置信检测的静态电压稳定评估方法，包括以下步骤：

步骤一)：基于电力系统历史运行数据，并构建电压稳定裕度(Voltage StabilityMargin，VSM)指标，建立初始样本集，并进行标准归一化；

步骤二)：针对高初效样本集，使用主成分分析的方法，以实现对初始样本集的压缩和降维，得到高效样本集；

步骤三)：基于高效样本集，结合回归树和集成学习，构建静态电压稳定评估模型，更新高效样本集，以完成评估模型的更新；

步骤四)：基于同步相量测量单元与广域测量系统实时收集电力系统运行数据，进行相应的分析处理，利用已完成更新的评估模型进行实时电压稳定评估；

步骤五)：使用置信检测的方法，对实时电压稳定评估结果进行评价，得出最终的在线评估结果。