[发明专利]一种电力系统的在线主动解列控制方法及系统

摘要

本申请涉及一种电力系统的在线主动解列控制方法及系统，首先，结合基于邻域高维可视化和M‑均根类群聚合法进行机组分群预测，随后计及孤岛功率平衡约束，建立结合NRS理论和全局进化寻优算法的短期电力负荷预测模型，优化负荷分群；在此基础上，利用机组和负荷的分群结果，通过树突深度学习算法确定解列孤岛数量和初始搜索节点；然后，采用GA搜寻算法求取最优解列断面，实现全网的快速求解。最后，对于每个不满足安全约束的孤岛,优化调整其发电机组出力,以维持每个孤岛的安全运行。本发明实现了在线主动解列控制算法，有效解决多机系统的机群失稳问题，保证孤岛的稳定运行。

主权项

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。