一種基于錯(cuò)分代價(jià)分類(lèi)學(xué)習(xí)的電網(wǎng)暫態(tài)電壓穩(wěn)定評(píng)估方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于錯(cuò)分代價(jià)分類(lèi)學(xué)習(xí)的電網(wǎng)暫態(tài)電壓穩(wěn)定評(píng)估方法，屬于電力 系統(tǒng)穩(wěn)定分析評(píng)估領(lǐng)域。
【背景技術(shù)】
[0002] 目前電網(wǎng)中正廣泛普及和應(yīng)用的同步相量測(cè)量技術(shù)可為基于大數(shù)據(jù)的電力系統(tǒng) 穩(wěn)定分析和監(jiān)測(cè)提供可靠的同步數(shù)據(jù)源。大數(shù)據(jù)方法在知識(shí)挖掘和探索上的優(yōu)勢(shì)可為人 們更好地解決電網(wǎng)暫態(tài)電壓穩(wěn)定評(píng)估的傳統(tǒng)難題提供新的思路。但已有的方法大多從單 一時(shí)間斷面進(jìn)行特征變量的提取，難以直接用于電氣量變化劇烈的電網(wǎng)暫態(tài)電壓穩(wěn)定評(píng)估 中。實(shí)際上，關(guān)乎系統(tǒng)失穩(wěn)規(guī)律的各電氣量的關(guān)鍵變化趨勢(shì)和特征可能蘊(yùn)藏于某一小段時(shí) 間內(nèi)。若以故障后一段時(shí)間內(nèi)PMU量測(cè)得到的動(dòng)態(tài)時(shí)間序列來(lái)構(gòu)建學(xué)習(xí)樣本，從動(dòng)態(tài)時(shí)序 數(shù)據(jù)中提取特征變量，將能實(shí)現(xiàn)更為準(zhǔn)確的特征捕獲和更加可靠的分類(lèi)評(píng)估。
[0003] 在已有的基于數(shù)據(jù)挖掘的電網(wǎng)暫態(tài)電壓評(píng)估方法中，并未考慮到暫態(tài)電壓穩(wěn)定分 類(lèi)學(xué)習(xí)的特殊性：將失穩(wěn)錯(cuò)分為穩(wěn)定（漏判）和將穩(wěn)定錯(cuò)分為失穩(wěn)（誤判）的代價(jià)截然不 同，前者往往容易引起不可逆轉(zhuǎn)的電壓崩潰甚至停電事故，造成巨大的經(jīng)濟(jì)損失，而后者通 常可利用校正控制措施及時(shí)進(jìn)行補(bǔ)救，所造成的損失要小很多。在同等錯(cuò)分幾率下，系統(tǒng)運(yùn) 行人員寧愿將樣本劃分為失穩(wěn)類(lèi)別，以避免不可挽回的嚴(yán)重后果。
[0004] 綜上，若從電網(wǎng)中各節(jié)點(diǎn)電氣量的動(dòng)態(tài)時(shí)間序列中進(jìn)行特征屬性的提取，然后考 慮錯(cuò)分代價(jià)問(wèn)題，利用錯(cuò)分代價(jià)向?qū)W習(xí)樣本引入權(quán)重系數(shù)，采用融入樣本權(quán)重系數(shù)的決策 樹(shù)進(jìn)行分類(lèi)學(xué)習(xí)，將能提高以數(shù)據(jù)挖掘?yàn)榛A(chǔ)的電網(wǎng)暫態(tài)電壓穩(wěn)定評(píng)估的實(shí)用價(jià)值，進(jìn)一 步增強(qiáng)在線(xiàn)監(jiān)測(cè)和評(píng)估的可靠性。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提出一種基于錯(cuò)分代價(jià)分類(lèi)學(xué)習(xí)的電網(wǎng)暫態(tài)電壓穩(wěn)定評(píng)估方法， 從時(shí)間序列中提取出與電網(wǎng)穩(wěn)定狀態(tài)密切相關(guān)的關(guān)鍵子序列作為特征屬性，利用融入錯(cuò)分 代價(jià)分類(lèi)學(xué)習(xí)的決策樹(shù)算法來(lái)構(gòu)建電網(wǎng)暫態(tài)電壓穩(wěn)定的評(píng)估模型，從而對(duì)電網(wǎng)暫態(tài)電壓穩(wěn) 定狀況進(jìn)行可靠的在線(xiàn)監(jiān)測(cè)和評(píng)估。
[0006] 本發(fā)明提出的基于錯(cuò)分代價(jià)分類(lèi)學(xué)習(xí)的電網(wǎng)暫態(tài)電壓穩(wěn)定評(píng)估方法，方法包括以 下步驟：
[0007] (1)從電網(wǎng)的調(diào)度運(yùn)行記錄中采集電網(wǎng)的典型運(yùn)行方式集、典型故障集和節(jié)點(diǎn)集， 根據(jù)所述電網(wǎng)的典型運(yùn)行方式集、典型故障集和節(jié)點(diǎn)集，采用計(jì)算機(jī)時(shí)域仿真方法對(duì)電網(wǎng) 中各節(jié)點(diǎn)在各種運(yùn)行方式下的各種故障進(jìn)行N次時(shí)域仿真，分別記錄每次時(shí)域仿真過(guò)程中 所述節(jié)點(diǎn)在故障發(fā)生后At時(shí)間內(nèi)電壓、電流、有功功率、無(wú)功功率隨時(shí)間的變化曲線(xiàn)，四 種變化曲線(xiàn)均形成長(zhǎng)度為m的時(shí)間序列，依次記為U、I、P、Q，其中At= (m-l)XAT，ΔΤ 為仿真時(shí)間間隔，m為所記錄的變化曲線(xiàn)的數(shù)據(jù)點(diǎn)數(shù)，并記錄每次時(shí)域仿真過(guò)程中電網(wǎng)的狀 態(tài)Z，將電網(wǎng)處于穩(wěn)定狀態(tài)記為Z = 1，電網(wǎng)處于失穩(wěn)狀態(tài)記為Z = -1，將一次時(shí)域仿真過(guò)程 中記錄的數(shù)據(jù)集合成一個(gè)樣本，進(jìn)行N次時(shí)域仿真后共得到N個(gè)樣本，N個(gè)樣本形成一個(gè)初 始樣本集，計(jì)算初始樣本集對(duì)電網(wǎng)狀態(tài)Z的信息熵E1= -(N 1；/N) Iog2(N1M -(N2/N) Iog2(N2/ N)，其中N1為所有N個(gè)樣本中電網(wǎng)狀態(tài)為Z = 1的樣本總數(shù)，N 2為所有N個(gè)樣本中電網(wǎng)狀 態(tài)為Z = -1的樣本總數(shù)，NfN2= N ;
[0008] (2)從上述步驟⑴的初始樣本集中獲取所有N個(gè)樣本的U、I、P、Q時(shí)間序列，并 獲取相應(yīng)的電網(wǎng)狀態(tài)Z的記錄，分別從U、I、P、Q時(shí)間序列中提取出與電網(wǎng)狀態(tài)Z的類(lèi)別關(guān) 系最密切的關(guān)鍵子序列，以此作為初始樣本集中的特征屬性，具體過(guò)程如下：
[0009] (2-1)從上述步驟⑴的初始樣本集中獲取所有N個(gè)樣本的U、I、P、Q時(shí)間序列， 并獲取相應(yīng)的電網(wǎng)狀態(tài)Z的記錄；
[0010] (2-2)設(shè)定一個(gè)長(zhǎng)度為1的矩形窗，其中3 < I < m，通過(guò)矩形窗滑動(dòng)方式從步驟 (2-1)的N個(gè)樣本中的第i個(gè)樣本的U、I、P、Q時(shí)間序列中獲取長(zhǎng)度為1的子序列集；
[0011] (2-3)從步驟（2-2)的子序列集中任意選取第j個(gè)子序列，采用歐幾里得距離定 義形式，分別計(jì)算第j個(gè)子序列與初始樣本集中所有N個(gè)樣本對(duì)應(yīng)時(shí)間序列的距離，計(jì)算 得到的N個(gè)距離的數(shù)值構(gòu)成距離數(shù)據(jù)集，將距離數(shù)據(jù)集中的距離數(shù)值按從小到大的順序 排列為0={(1 1，(12，*"，(^}，在[(11，(1」區(qū)間內(nèi)任意選取距離分裂點(diǎn)8口 1<=((11<+(4+1)/2，1^ = 1，2, 3,…，N-I，將距離數(shù)值大于SPk的樣本總數(shù)N sl和距離數(shù)值小于等于SP ,的樣本分別集 成為兩個(gè)樣本子集SJP S 2，統(tǒng)計(jì)S1中電網(wǎng)狀態(tài)為Z = 1的樣本總數(shù)Nsll和電網(wǎng)狀態(tài)為Z = -1 的樣本總數(shù)Nsl2，統(tǒng)計(jì)S2中電網(wǎng)狀態(tài)為Z = 1的樣本總數(shù)N s21和電網(wǎng)狀態(tài)為Z = -1的樣本 總數(shù)Ns22，并分別統(tǒng)計(jì)S1中的樣本總數(shù)Nsl= (Ns11+Ns12)和32中的樣本總數(shù)Ns2= (Ns21+Ns22)， 計(jì)算距離分裂點(diǎn)spk分裂距離數(shù)據(jù)集后得到的期望信息E 2:
[0012]
[0013] (2-4)遍歷步驟（2-3)中的所有（N-I)個(gè)距離分裂點(diǎn)，依次計(jì)算各距離分裂點(diǎn)分裂 距離數(shù)據(jù)集后得到的期望信息，從中找出期望信息的最大值，記為E 2niax，根據(jù)步驟（1)中初 始數(shù)據(jù)集對(duì)電網(wǎng)狀態(tài)Z的信息熵E1，計(jì)算步驟（2-3)中第j個(gè)子序列對(duì)電網(wǎng)狀態(tài)Z的信息 增侃 IG = E1-E2max;
[0014] (2-5)遍歷第i個(gè)樣本中所有長(zhǎng)度為1的子序列，重復(fù)上述步驟（2-3)，得到所有 長(zhǎng)度為1的子序列的信息增益，從中選出信息增益最大的子序列，作為候選關(guān)鍵子序列；
[0015] (2-6)遍歷初始樣本集中所有N個(gè)樣本，重復(fù)上述步驟（2-2)~（2-4)，得到所有 N個(gè)樣本的候選關(guān)鍵子序列，從所有N個(gè)樣本的候選關(guān)鍵子序列中選出信息增益最大的候 選關(guān)鍵子序列，作為與電網(wǎng)狀態(tài)Z的類(lèi)別關(guān)系最密切的關(guān)鍵子序列，以關(guān)系最密切的關(guān)鍵 子序列作為初始樣本集中的特征屬性，將步驟（2-3)中計(jì)算得到的所述關(guān)鍵子序列與所有 N個(gè)樣本對(duì)應(yīng)時(shí)間序列的距離作為特征屬性值；
[0016] (3)設(shè)定電網(wǎng)暫態(tài)電壓穩(wěn)定評(píng)估中，將電網(wǎng)狀態(tài)Z = 1錯(cuò)分為電網(wǎng)狀態(tài)Z = -1的 代價(jià)為C1，將電網(wǎng)狀態(tài)Z = -1錯(cuò)分為電網(wǎng)狀態(tài)Z = 1的代價(jià)為C2，根據(jù)步驟（1)的初始樣 本集中的各樣本的電網(wǎng)狀態(tài)Z依次為各樣本確定權(quán)重系數(shù)w，引入方法如下：對(duì)Z進(jìn)行判 斷，若Z = 1，則對(duì)應(yīng)的樣本確定權(quán)重系數(shù)w = N · (V (N1 · CJN2 · C2)，若Z = -1，則對(duì)應(yīng)的 樣本確定權(quán)重系數(shù)w = N · C2/ (N1 · CAN2 · C2);
[0017] (4)構(gòu)成一個(gè)數(shù)據(jù)挖掘訓(xùn)練集，將上述步驟（2-5)得到的特征屬性和特征屬性值 作為數(shù)據(jù)挖掘訓(xùn)練集的輸入數(shù)據(jù)，將步驟（1)得到的各樣本中電網(wǎng)狀態(tài)Z作為數(shù)據(jù)挖掘訓(xùn) 練集的輸出數(shù)據(jù)，以決策樹(shù)算法對(duì)數(shù)據(jù)挖掘訓(xùn)練集進(jìn)行分類(lèi)學(xué)習(xí)，以步驟（3)的各樣本權(quán) 重系數(shù)作為分類(lèi)學(xué)習(xí)過(guò)程中的樣本權(quán)重，得到一個(gè)決策樹(shù)模型，以交叉驗(yàn)證方式判斷決策 樹(shù)模型的分類(lèi)準(zhǔn)確率P ra和召回度Re。，若97%且Re。彡98%，則決策樹(shù)模型分類(lèi)性能 滿(mǎn)足要求，進(jìn)行步驟（5)，若P ra< 97 %且R e。彡98 %，或者P 97 %且R ee< 98 %，或者P < 97%且Re。多98%，以決策樹(shù)算法重新對(duì)數(shù)據(jù)挖掘訓(xùn)練集進(jìn)行分類(lèi)學(xué)習(xí)，直到得到的決策 樹(shù)模型的分類(lèi)準(zhǔn)確率滿(mǎn)足97%且Re。彡98%，進(jìn)行步驟（5);
[0018] (5)當(dāng)所述電網(wǎng)遭遇短期大擾動(dòng)時(shí)，電網(wǎng)中各節(jié)點(diǎn)的同步相量測(cè)量單元實(shí)時(shí)采集 該節(jié)點(diǎn)在At時(shí)間內(nèi)的電壓、電流、有功功率、無(wú)功功率的實(shí)時(shí)量測(cè)數(shù)據(jù)，分別形成U'、I'、 P'、Q'時(shí)間序列，計(jì)算步驟（4)的各特征屬性與U'、I'、P'、Q'時(shí)間序列的距離，將得到的距 離輸入到步驟（4)的決策樹(shù)模型中，由決策樹(shù)模型輸出電網(wǎng)狀態(tài)Z'，作為電網(wǎng)暫態(tài)電壓穩(wěn) 定的實(shí)時(shí)評(píng)估結(jié)果。
[0019] 本發(fā)明提出的基于錯(cuò)分代價(jià)分類(lèi)學(xué)習(xí)的電網(wǎng)暫態(tài)電壓穩(wěn)定評(píng)估方法，其優(yōu)點(diǎn)是， 本發(fā)明方法從電網(wǎng)中各節(jié)點(diǎn)電壓、電流、有功功率、無(wú)功功率動(dòng)態(tài)時(shí)間序列中全面地提取關(guān) 鍵子序列作為電網(wǎng)暫態(tài)電壓穩(wěn)定評(píng)估的特征屬性，利用錯(cuò)分代價(jià)向穩(wěn)定/失穩(wěn)樣本引入權(quán) 重系數(shù)，采用融入樣本權(quán)重系數(shù)的決策樹(shù)算法對(duì)電網(wǎng)調(diào)度運(yùn)行數(shù)據(jù)中潛藏的規(guī)律進(jìn)行探 索，適當(dāng)提高分類(lèi)學(xué)習(xí)過(guò)程中對(duì)失穩(wěn)樣本的偏倚，可在綜合實(shí)施可靠的分類(lèi)和評(píng)估的同時(shí)， 盡可能減少評(píng)估模型發(fā)生漏判的可能性，在實(shí)際運(yùn)行中為電網(wǎng)的在線(xiàn)監(jiān)測(cè)和穩(wěn)定控制提供 可靠指導(dǎo)，避免由于失穩(wěn)事故的漏判所造成的不必要的負(fù)荷停電和經(jīng)濟(jì)損失。
【附圖說(shuō)明】
[0020] 圖1為本發(fā)明方法涉及的電網(wǎng)單線(xiàn)結(jié)構(gòu)示意圖。
[0021] 圖2為本發(fā)明方法中基于錯(cuò)分代價(jià)分類(lèi)學(xué)習(xí)得到的決策樹(shù)模型。
【具體實(shí)施方式】
[0022] 本發(fā)明提出的基于錯(cuò)分代價(jià)分類(lèi)學(xué)習(xí)的電網(wǎng)暫態(tài)電壓穩(wěn)定評(píng)估方法，包括以下步 驟：
[0023] (1)本發(fā)明評(píng)估方法中涉及的電網(wǎng)單線(xiàn)結(jié)構(gòu)示意圖如圖1所示，圖1所示為本發(fā)明 的一個(gè)實(shí)施例，針對(duì)圖中的中部電網(wǎng)，從電網(wǎng)的調(diào)度運(yùn)行記錄中采集電網(wǎng)的典型運(yùn)行方式 集、典型故障集和節(jié)點(diǎn)集，根據(jù)所述電網(wǎng)的典型運(yùn)行方式集、典型故障集和節(jié)點(diǎn)集，采用計(jì) 算機(jī)時(shí)域仿真方法對(duì)電網(wǎng)中各節(jié)點(diǎn)在各種運(yùn)行方式下的各種故障進(jìn)行N次時(shí)域仿真，分別 記錄每次時(shí)域仿真過(guò)程中所述節(jié)點(diǎn)在故障發(fā)生后△ t時(shí)間內(nèi)電壓、電流、有功功率、無(wú)功功 率隨時(shí)間的變化曲線(xiàn)，這四種變化曲線(xiàn)均形成長(zhǎng)度為m的時(shí)間序列，依次記為U、I、P、Q，其 中Δ t = (m - I) X Δ T = 2. 5秒，Δ T = 0. 01秒，為仿真時(shí)間間隔，m = 250為所記錄的變 化曲線(xiàn)的數(shù)據(jù)點(diǎn)數(shù)，并記錄每次時(shí)域仿真過(guò)程中電網(wǎng)的狀態(tài)Z，將電網(wǎng)處于穩(wěn)定狀態(tài)記為Z =1，電網(wǎng)處于失穩(wěn)狀態(tài)記為Z = -1，將一次時(shí)域仿真過(guò)程中記錄的數(shù)據(jù)集合成一個(gè)樣本， 進(jìn)行N次時(shí)域仿真后共得到N個(gè)樣本，N個(gè)樣本形成一個(gè)初始樣本集，計(jì)算初始樣本集對(duì)電 網(wǎng)狀態(tài)Z的信息熵E 1 = - (N，) Iog2 (VN) - (N2/N) Iog2 (N2/N)，其中N1為所有N個(gè)樣本中電 網(wǎng)狀態(tài)為Z = 1的樣本總數(shù)，N2為所有N個(gè)樣本中電網(wǎng)狀態(tài)為Z = -1的樣本總數(shù)，N JN2 = N；
[0024] (2)從上述步驟⑴的初始樣本集中獲取所有N個(gè)樣本的U、I、P、Q時(shí)間序列，并 獲取相應(yīng)的電網(wǎng)狀態(tài)Z的記錄，分別從U、I、P、Q時(shí)間序列中提取出與電網(wǎng)狀態(tài)Z的類(lèi)別關(guān) 系最密切的關(guān)鍵子序列，以此作為初始樣本集中的特征屬性，具體過(guò)程如下：
[0025] (2-1)從上述步驟⑴的初始樣本集中獲取所有N個(gè)樣本的U、I、P、Q時(shí)間序列， 并獲取相應(yīng)的電網(wǎng)狀態(tài)Z的記錄；
[0026] (2-2)設(shè)定一個(gè)長(zhǎng)度為1的矩形窗，其中3 < I < m，通過(guò)矩形窗滑動(dòng)方式從步驟 (2-1)的N個(gè)樣本中的第i個(gè)樣本的U、I、P、Q時(shí)間序列中獲取長(zhǎng)度為1的子序列集；
[0027] (2-3)從步驟（2-