[发明专利]一种新能源电力系统频率态势的在线预测方法

说明书

本发明公开了一种新能源电力系统频率态势的在线预测方法，首先采用离线仿真的方式对新能源电力系统进行机电暂态仿真，生成新能源电力系统的扰动数据；构建基于高斯混合聚类的风电控制方式快速识别模型，将标准化处理后的扰动数据中与瞬间风电有关的数据输入到所构建的快速识别模型中，进行风电控制策略的快速识别；构建基于长短期记忆神经网络的新能源电力系统频率预测模型，对所构建的频率预测模型进行训练；将在线获取的新能源电力系统的实测数据输入训练后的频率预测模型中，实现新能源电力系统实时频率预测与结果修正。该方法将深度学习等新型机器学习算法与电力系统运行大数据相结合，能够快速准确的对扰动后系统频率特征进行预测。

技术领域

本发明涉及新能源电力系统技术领域，尤其涉及一种新能源电力系统频率态势的在线预测方法。

背景技术

随着风电、光伏等可再生能源机组的大规模并网，源网荷侧电力电子设备的大量接入，大容量直流输电的投运，以及电网互联趋势的发展，使得电力系统系统惯性水平、出力不确定性增强、网架结构愈加复杂，在“双高”电力系统的背景下，频率稳定问题日益突出，给电力系统频率态势预测带来了巨大的挑战。

传统电力系统频率态势预测主要时域仿真法与等值模型法，时域仿真法存在建模困难、计算量大、运算耗时长等缺陷，只适用于离线仿真分析、难以实现电力系统频率在线分析与评估；等值模型法主要对系统进行单机等值建模，简化忽略某些环节，在复杂系统中存在精度不高，参数确定困难等局限。现阶段，高渗透率风电并网会降低电力系统稳定性，大部分国家和地区制定了相应的风电频率响应标准，聚焦于风电调频控制策略研究，在大区域电力系统中，频率响应并非全局统一，而是呈现时空分布。在愈发复杂的新能源电力系统背景下，仅仅依靠构建传统频率分析的物理模型将难以满足频率评估需求。

发明内容

本发明的目的是提供一种新能源电力系统频率态势的在线预测方法，该方法将深度学习等新型机器学习算法与电力系统运行大数据相结合，能够快速准确的对扰动后系统频率特征进行预测。

本发明的目的是通过以下技术方案实现的：

一种新能源电力系统频率态势的在线预测方法，所述方法包括：

步骤1：采用离线仿真的方式对新能源电力系统进行机电暂态仿真，生成新能源电力系统的扰动数据；

步骤2：再对所生成的新能源电力系统的扰动数据进行标准化处理；

步骤3：构建基于高斯混合聚类的风电控制方式快速识别模型，将步骤2标准化处理后的扰动数据中与瞬间风电有关的数据输入到所构建的快速识别模型中，进行风电控制策略的快速识别，并将识别后的结果作为后续长短期记忆神经网络的一个输入；

步骤4：构建基于长短期记忆神经网络的新能源电力系统频率预测模型，将步骤2处理后的数据与步骤3识别后的结果作为长短期记忆神经网络的输入，对所构建的频率预测模型进行训练，得到训练后的频率预测模型；

步骤5：将在线获取的新能源电力系统的实测数据输入步骤4训练后的频率预测模型中，实现新能源电力系统实时频率预测与结果修正。

由上述本发明提供的技术方案可以看出，上述方法将深度学习等新型机器学习算法与电力系统运行大数据相结合，能够快速准确的对扰动后系统频率特征进行预测，对深入研究新能源电力系统频率稳定性具有重要意义。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的新能源电力系统频率态势的在线预测方法流程示意图；

图2为本发明实施例所述频率态势在线预测实现过程示意图；