[发明专利]一种受扰电力系统暂态不稳定平衡点预测方法

权利要求书

1.一种受扰电力系统暂态不稳定平衡点预测方法，其特征在于，包括：

利用BCU法获取系统不同运行方式下故障后的UEP，为人工智能算法提供数据集；

利用面向多输入多输出系统的MSVR算法，构建稳态运行信息与UEP之间的映射关系；

通过PSO算法对MSVR中的惩罚参数和核函数参数进行最优参数选择；

面向量测数据，通过训练好的预测模型对受扰后的电力系统UEP进行快速预测。

2.根据权利要求1所述的受扰电力系统暂态不稳定平衡点预测方法，其特征在于，利用BCU法获取系统不同运行方式下故障后的UEP，具体包括：

运用持续故障轨线在角度空间的投影轨线穿越位能边界曲面的出口点δ^*；

设δ^*为收缩系统的出口点，以δ^*为初始条件，积分故障后的收缩系统，寻找使目标函数首先达到最小值的点δ₀^*；

以δ₀^*为初值，用迭代方法求解方程，得到所求不稳定平衡点

根据求得的不稳定平衡点，即可求解出该系统的临界能量。

3.根据权利要求1所述的受扰电力系统暂态不稳定平衡点预测方法，其特征在于，利用面向多输入多输出系统的MSVR算法，构建稳态运行信息与UEP之间的映射关系，具体包括：

对于一个n维输入，m维输出的回归问题，假设给定训练样本这里L为样本数量，x∈Rⁿ为输入数据，y∈R^m为输出数据，构造回归函数F(x)＝Φ(x)^TW+B，其中，Φ(x)是高维空间的非线性映射，W＝[ω¹,...,ω^m]，B＝[b¹,...,b^m]；

多输出情况下，求解约束优化问题

引入拉格朗日算子，通过对相关参数做偏导数处理后得到MSVR的估计函数为Lagrange乘子，K(x_i,x)为核函数；

选择高斯核函数作为MSVR模型中的核函数。

4.根据权利要求1所述的受扰电力系统暂态不稳定平衡点预测方法，其特征在于，通过PSO算法对MSVR中的惩罚参数和核函数参数进行最优参数选择，具体包括：

确定组合优化参数(σ,C)的范围，并设定MSVR中的基本参数，主要包括粒子群大小M，正的学习因子c₁和c₂；惯性权重w的最大最小值和最大迭代次数，最后初始化种群中各微粒的速度和位置；

将经过BCU方法计算得到的不稳定平衡点样本集输入MSVR模型进行训练学习，并根据计算出每个微粒的目标函数值，即适应度；

根据适应度值找出每各微粒的个体和全局最优位置p_d和p_g；

更新微粒的速度和位置及惯性权重；

重新计算位置更新后每个微粒的适应度，并重新更新p_d和p_g；

检查PSO的终止条件，如果满足最大迭代次数或者最优解时已经停止而不再变化，则输出最优解位置，否则重新更新微粒的速度和位置及惯性权重；

通过最优解位置相对应的(σ,C)值和训练样本构建不稳定平衡点的MSVR预测模型。

5.根据权利要求1所述的受扰电力系统暂态不稳定平衡点预测方法，其特征在于，面向量测数据，通过训练好的预测模型对受扰后的电力系统UEP进行快速预测，将系统稳态运行节点电压幅值与相角作为样本特征输入训练好的预测模型中，即可快速预测出受扰后电力系统的不稳定平衡点。