[发明专利]一种暂态电压稳定紧急控制方法、装置和电力控制系统

说明书

本发明公开了一种暂态电压稳定紧急控制方法、装置和电力控制系统，属于电力系统稳定性控制技术领域，所述方法包括：本发明第一阶段决策切负荷点，第二阶段决策切负荷量。第一阶段：根据电力系统实际运行中当前故障状态信息及映射关系判定当前电压失稳模式；依据当前电压失稳模式确定多个切负荷点的筛选排序；电压失稳模式包括：纯电压失稳模式，耦合电压失稳模式和混合电压失稳模式；第二阶段：将当前故障状态信息输入轻量级梯度提升机LightGBM模型预估切负荷总量；针对当前电压失稳模式，基于筛选排序和切负荷总量进行紧急控制。本发明能减少离线紧急切负荷控制措施制定的时间和专家工作量，提升工作效率，实用性较强。

技术领域

本发明属于电力系统稳定性控制技术领域，更具体地，涉及一种暂态电压稳定紧急控制方法、装置和电力控制系统。

背景技术

作为我国电力系统安全稳定运行的第二道防线，紧急控制是在严重故障或扰动发生后，维持系统暂态安全稳定不可或缺的重要措施。切负荷控制是针对暂态电压失稳最有效和最常用的措施。目前针对紧急切负荷控制，普遍采用离线预决策，实时工况匹配执行的模式。离线预决策一般由电网运行技术专家执行，他们结合领域知识和运行经验分析暂态仿真结果，通过不断试错与调整得到有效的紧急切负荷措施。然而，由于现代大型互联复杂电力系统的典型运行工况和暂态电压失稳故障太多，人工离线预整定的工作模式已变得非常耗时耗力。

针对上述问题，现有研究中提升工作效率的方法大致可分为三大类。其一，是基于潮流方程的静态分析方法，结合电力系统潮流平衡方程，推导出有功电压灵敏度、负荷阻抗与系统阻抗比值等，用以指导决策切负荷点和切负荷量。此过程将电压稳定问题视为静态问题，无需系统暂态过程信息，但是得出的决策措施往往较为粗略。其二，是基于启发式算法的自动搜索方法，结合电力系统暂态稳定仿真计算，考虑系统动态过程，利用遗传算法、粒子群算法和贪心算法等搜索有效的暂态电压紧急控制措施。然而，此类方法模型求解困难，且需要大量的暂态仿真计算，在电力系统规模较大时，耗时比较严重。其三，是基于暂态过程控制变量灵敏度的分析方法，利用切负荷量对暂态稳定裕度的灵敏度、切负荷控制向量的轨迹灵敏度、节点电压相对于控制变量的轨迹灵敏度等将难以求解的非线性模型转化为容易求解的其它模型，反复迭代运算。此类方法模型求解简单，精度较高，但是轨迹灵敏度计算需要增加额外的暂态稳定仿真计算，也较为耗时。

近年来，随着计算能力的提升，人工智能得到了长足发展，深度强化学习和人工神经网络等已在电压稳定控制中得到了初步的应用。对于电压失稳的表现形式不加以区分，一些情况下往往难以得到有效的控制措施。其次，人工智能应用于大电网紧急切负荷控制措施制定时，存在可选负荷多，切负荷量连续，输出变量高维，导致训练困难的问题，很难直接一次性得到有效的控制措施。如何快速有效制定紧急切负荷控制措施，是目前亟待解决的技术问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种暂态电压稳定紧急控制方法、装置和电力控制系统，其目的在于第一阶段筛选有效负荷节点，第二阶段确定控制措施量，由此解决现有紧急切负荷方法较为耗时而难以应用于大规模电力系统控制措施制定的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种暂态电压稳定紧急控制方法，包括：

S1：基于电力系统分析综合程序仿真得到电力系统的故障状态信息，获取所述故障状态信息与电压失稳模式之间的映射关系；所述故障状态信息包括：母线电压和发电机功角；所述电压失稳模式包括：纯电压失稳模式，耦合电压失稳模式和混合电压失稳模式；

S2：第一阶段：根据所述电力系统实际运行中当前故障状态信息及所述映射关系判定当前电压失稳模式；依据所述当前电压失稳模式确定敏感的多个切负荷点对应的筛选排序；

S3：第二阶段：将所述当前故障状态信息输入轻量级梯度提升机LightGBM模型预估切负荷总量；针对所述当前电压失稳模式，基于所述筛选排序和所述切负荷总量进行紧急控制；其中，所述LightGBM模型预先建立有所述故障状态信息和所述切负荷总量之间的联系。