基于模式識(shí)別的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估綜述

引言

暫態(tài)穩(wěn)定評(píng)估(TSA）是指評(píng)估當(dāng)電力系統(tǒng)發(fā)生大的擾動(dòng)后,系統(tǒng)中的各個(gè)發(fā)電機(jī)能否保持同步運(yùn)行的能力,該問(wèn)題一直是關(guān)乎電力系統(tǒng)安全運(yùn)行的關(guān)鍵問(wèn)題。目前研究方法可大致分為三類:時(shí)域仿真法、直接法和基于模式識(shí)別的TSA(PRTSA）法。仿真法的優(yōu)點(diǎn)是數(shù)學(xué)模型詳盡,能提供狀態(tài)變量隨時(shí)間的響應(yīng),準(zhǔn)確可靠:但其計(jì)算結(jié)果依賴于系統(tǒng)模型、參數(shù)的準(zhǔn)確性,且計(jì)算量大,難以滿足大系統(tǒng)在線應(yīng)用的速度要求。直接法計(jì)算速度較快,可提供穩(wěn)定裕度:但缺點(diǎn)是能量函數(shù)構(gòu)造困難,計(jì)算結(jié)果保守、可靠性較差。與前兩種方法不同,PRTSA通過(guò)對(duì)大量具有代表性的訓(xùn)練樣本進(jìn)行訓(xùn)練學(xué)習(xí),獲得反映系統(tǒng)穩(wěn)定特性的穩(wěn)定評(píng)估知識(shí),然后基于所獲知識(shí)對(duì)系統(tǒng)穩(wěn)定水平進(jìn)行在線判別。PRTSA方法的學(xué)習(xí)能力強(qiáng)、評(píng)估效率高,因而有著良好的應(yīng)用前景。

1基于模式識(shí)別的暫態(tài)穩(wěn)定評(píng)估

1.1特征選擇

特征選擇是PRTSA的首要工作,該問(wèn)題屬于典型的組合優(yōu)化問(wèn)題。文獻(xiàn)提出了一種基于神經(jīng)網(wǎng)絡(luò)的暫態(tài)穩(wěn)定評(píng)估方法,并且采用FiSher判別法對(duì)輸入特征進(jìn)行了選擇。文獻(xiàn)提出了一種基于支持向量機(jī)的兩階段特征選擇方法。文獻(xiàn)提出了一種基于改進(jìn)最大相關(guān)最小冗余判據(jù)的TSA特征選擇方法。文獻(xiàn)提出了一種基于核模糊粗糙集和Memetic算法的TSA特征選擇方法,并在實(shí)際系統(tǒng)進(jìn)行了仿真驗(yàn)證。

1.2模型構(gòu)建

在分類問(wèn)題中,合理的評(píng)估模型是確保復(fù)雜性與推廣性二者間恰當(dāng)平衡的關(guān)鍵,可避免"欠學(xué)習(xí)"或"過(guò)學(xué)習(xí)"等問(wèn)題,提升模型的分類性能。文獻(xiàn)提出了一種基于決策樹(shù)的TSA模型。文獻(xiàn)首次將人工神經(jīng)網(wǎng)絡(luò)用于構(gòu)建暫態(tài)穩(wěn)定評(píng)估模型。文獻(xiàn)提出了一種基于細(xì)菌群體趨藥性(BCC）算法優(yōu)化局部學(xué)習(xí)機(jī)的評(píng)估模型。文獻(xiàn)利用同步相量數(shù)據(jù),提出了一種基于貝葉斯多核學(xué)習(xí)的TSA評(píng)估方法。文獻(xiàn)提出了一種基于極限學(xué)習(xí)機(jī)(ELM）的評(píng)估模型。文獻(xiàn)基于支持向量機(jī)理論,提出了一種適用于大規(guī)模電力系統(tǒng)的TSA模型。文獻(xiàn)提出了一種多特征融合的TSA方法。文獻(xiàn)提出了一種基于優(yōu)化極限學(xué)習(xí)機(jī)的TSA方法,并采用改進(jìn)粒子群算法優(yōu)化評(píng)估模型的參數(shù)。

1.3在線學(xué)習(xí)

考慮到在實(shí)際應(yīng)用中訓(xùn)練樣本無(wú)法覆蓋系統(tǒng)的所有運(yùn)行工況,加之運(yùn)行方式的時(shí)變性,因此借助離線仿真訓(xùn)練所得到的評(píng)估模型對(duì)于在線評(píng)估不具備良好的適用性。為此,研究評(píng)估模型的在線學(xué)習(xí)能力具有重要意義。文獻(xiàn)的研究表明,在線SVR是一種有效的求解電力系統(tǒng)超短期負(fù)荷預(yù)測(cè)的在線學(xué)習(xí)算法:進(jìn)而文獻(xiàn)提出了一種基于SVM增量學(xué)習(xí)的TSA方法。文獻(xiàn)提出了一種基于在線序貫極限學(xué)習(xí)機(jī)(oS-ELM）的TSA模型,增強(qiáng)了模型的在線學(xué)習(xí)能力。文獻(xiàn)提出了一種基于集成oS-ELM的評(píng)估模型,該模型采用oS-ELM作為弱分類器,并用在線BooSting算法提升模型的分類性能,從而實(shí)現(xiàn)模型的在線更新。文獻(xiàn)采用集成oS-ELM構(gòu)建TSA評(píng)估模型,并采用二進(jìn)制Jaya算法選取最優(yōu)特征子集。

1.4規(guī)則提取

規(guī)則提取是"黑箱型"機(jī)器學(xué)習(xí)系統(tǒng)的重要問(wèn)題,目的是將學(xué)習(xí)機(jī)中所學(xué)到的知識(shí)以一種易于理解的方式表達(dá)出來(lái)。文獻(xiàn)提出了一種基于線性決策樹(shù)的暫態(tài)穩(wěn)定規(guī)則提取方法,但評(píng)估結(jié)果對(duì)樣本構(gòu)成敏感,而且決策知識(shí)的外延能力和魯棒性較差。文獻(xiàn)提出了一種基于ELM和改進(jìn)螞蟻礦工算法的TSA規(guī)則提取方法,該研究對(duì)提升PRTSA方法的可理解性、解釋性具有重要研究?jī)r(jià)值。

2待研究的問(wèn)題

2.1新能源接入的影響

近年來(lái),分布式電源在電力系統(tǒng)的接入比例日益增大,特別是微電網(wǎng)作為新能源接入的重要形式在電網(wǎng)中得到了大力推廣。文獻(xiàn)考慮負(fù)荷和可再生發(fā)電的不確定性,研究了含儲(chǔ)能孤立微網(wǎng)的最優(yōu)調(diào)度。文獻(xiàn)提出采用實(shí)時(shí)定價(jià)來(lái)協(xié)調(diào)多利益主體場(chǎng)景下電動(dòng)汽車換電站和微電網(wǎng)間的協(xié)調(diào)調(diào)度問(wèn)題。文獻(xiàn)提出了基于改進(jìn)蟻群算法的微電網(wǎng)多目標(biāo)優(yōu)化調(diào)度。然而,新能源作為一種清潔能源,本身具有較強(qiáng)的不確定性,同時(shí)熱電聯(lián)產(chǎn)的接入又增加了問(wèn)題的復(fù)雜性,這些對(duì)分析電力系統(tǒng)的暫態(tài)穩(wěn)定性提出了新的挑戰(zhàn)。因此,考慮大規(guī)模新能源接入的電力系統(tǒng)TSA是值得深入研究的新課題。

2.2含VSC-HVDC系統(tǒng)的穩(wěn)定評(píng)估

作為新一代直流輸電技術(shù),柔性直流輸電(VSC-HVDC）憑借靈活、快速的調(diào)節(jié)能力,受到了研究人員的廣泛關(guān)注。文獻(xiàn)考慮經(jīng)濟(jì)性和環(huán)境因素提出了含VSC-HVDC系統(tǒng)的多目標(biāo)最優(yōu)潮流(MoPF）。文獻(xiàn)采用NSGA-II優(yōu)化MoPF模型,進(jìn)而采用決策分析確定最優(yōu)折中解。文獻(xiàn)提出了融合決策分析到優(yōu)化過(guò)程的兩階段交直流系統(tǒng)MoPF方法。文獻(xiàn)含VSC-HVDC系統(tǒng)的控制孤島問(wèn)題的研究,表明通過(guò)柔直線路進(jìn)行孤島間功率交換可降低源-荷不平衡。文獻(xiàn)對(duì)于采用VSC-HVDC向無(wú)源網(wǎng)絡(luò)供電進(jìn)行了仿真研究。但迄今,含VSC-HVDC系統(tǒng)穩(wěn)定評(píng)估的相關(guān)研究仍鮮有報(bào)道,亟待深入研究。

3結(jié)語(yǔ)

快速、準(zhǔn)確的暫態(tài)穩(wěn)定分析是保障電網(wǎng)安全運(yùn)行的重要問(wèn)題,因此,對(duì)這一問(wèn)題進(jìn)行全面、深入研究具有重要意義。本文從特征選擇、模型構(gòu)建、在線學(xué)習(xí)和規(guī)則提取等四個(gè)方面對(duì)基于模式識(shí)別的TSA方法進(jìn)行了歸納和梳理,并對(duì)待研究的問(wèn)題展開(kāi)了探討。