本發(fā)明涉及電力系統(tǒng)自動化，具體是基于優(yōu)勢函數(shù)的電力系統(tǒng)暫態(tài)穩(wěn)定預防及緊急協(xié)調(diào)方法。

背景技術(shù)：

1、電力系統(tǒng)暫態(tài)穩(wěn)定評估是確保電網(wǎng)安全運行的關(guān)鍵環(huán)節(jié)，現(xiàn)有技術(shù)通常采用模型驅(qū)動的時域仿真方法來模擬電力系統(tǒng)在故障發(fā)生后的動態(tài)行為，通過詳細模擬系統(tǒng)的物理過程，能夠提供系統(tǒng)穩(wěn)定性的深入分析。然而，隨著電力系統(tǒng)規(guī)模的不斷擴大和復雜度的增加，這些傳統(tǒng)方法在實時性和計算效率方面逐漸顯示出局限性。

2、高控制成本，分離的預防控制和緊急控制策略導致在實際操作中需要更高的控制成本。由于缺乏有效的融合和協(xié)調(diào)機制，這些策略無法在預防措施和緊急響應之間實現(xiàn)成本效益的平衡，從而增加了電網(wǎng)運營商的經(jīng)濟負擔。系統(tǒng)穩(wěn)定性不足，現(xiàn)有控制策略往往沒有綜合考慮穩(wěn)定性和經(jīng)濟性，這可能導致在追求系統(tǒng)穩(wěn)定性的過程中犧牲了過多的經(jīng)濟性，或者在考慮經(jīng)濟性的同時降低了系統(tǒng)的穩(wěn)定性。這種非平衡的策略可能在特定情況下無法有效維持電力系統(tǒng)的穩(wěn)定性。控制策略生成和優(yōu)化不足，現(xiàn)有技術(shù)缺乏一種系統(tǒng)性的方法來生成和優(yōu)化控制策略，尤其是在需要同時考慮多個經(jīng)濟性和穩(wěn)定性指標的情況下。這導致控制策略可能無法精確適應電力系統(tǒng)的實際運行狀態(tài)，降低了策略的有效性和適應性。

3、鑒于現(xiàn)有技術(shù)的局限性，迫切需要一種新的方法來提高電力系統(tǒng)暫態(tài)穩(wěn)定評估的效率和準確性，同時降低控制成本，并提高系統(tǒng)的穩(wěn)定性和經(jīng)濟性。

技術(shù)實現(xiàn)思路

1、根據(jù)以上現(xiàn)有技術(shù)中的不足，本發(fā)明的目的在于：為了克服現(xiàn)有技術(shù)的局限性，本發(fā)明提出了一種基于優(yōu)勢函數(shù)的電力系統(tǒng)暫態(tài)穩(wěn)定預防及緊急協(xié)調(diào)方法，旨在通過先進的數(shù)據(jù)分析和優(yōu)化技術(shù)，實現(xiàn)對電力系統(tǒng)暫態(tài)穩(wěn)定性的高效評估，并生成經(jīng)濟有效的控制策略。

2、為了實現(xiàn)以上目的，本
技術(shù)實現(xiàn)要素：
采用如下技術(shù)方案：

3、一種基于優(yōu)勢函數(shù)的電力系統(tǒng)暫態(tài)穩(wěn)定預防及緊急協(xié)調(diào)方法，包括以下步驟：

4、s1.數(shù)據(jù)收集與實時監(jiān)測，收集電力系統(tǒng)的實時數(shù)據(jù)，實時數(shù)據(jù)包括節(jié)點電壓、線路電流、發(fā)電機輸出等；

5、s2.暫態(tài)穩(wěn)定評估，從s1中收集的數(shù)據(jù)中選擇與暫態(tài)穩(wěn)定性相關(guān)的特征，訓練深度置信網(wǎng)絡(dbn)，利用訓練好的深度置信網(wǎng)絡(dbn)評估電力系統(tǒng)的暫態(tài)穩(wěn)定性；

6、s3.風險識別與預防控制策略生成，基于s2中暫態(tài)穩(wěn)定評估的結(jié)果，構(gòu)建風險評估函數(shù)確定電網(wǎng)的風險等級，根據(jù)風險等級生成預防控制策略；

7、s4.策略評估與優(yōu)化，構(gòu)建優(yōu)勢函數(shù)來評估和優(yōu)化s3中控制策略；

8、s5.多目標優(yōu)化，使用s4構(gòu)建的優(yōu)勢函數(shù)作為目標函數(shù)，通過使用nsga-ii算法尋找最優(yōu)控制策略。

9、進一步地，所述s2中，利用深度置信網(wǎng)絡(dbn)評估電力系統(tǒng)的暫態(tài)穩(wěn)定性方法包括：

10、s21.特征選擇，從s1收集的數(shù)據(jù)中選擇與暫態(tài)穩(wěn)定性相關(guān)的特征，這些特征主要包括：線路電流、系統(tǒng)頻率、發(fā)電機轉(zhuǎn)子角速度、線路負荷故障類型、負荷波動和無功功率等；

11、s22.構(gòu)建深度置信網(wǎng)絡(dbn)，利用選擇的與暫態(tài)穩(wěn)定性相關(guān)的特征構(gòu)建深度置信網(wǎng)絡(dbn)，深度置信網(wǎng)絡(dbn)由多個層次的受限玻爾茲曼機(rbm)堆疊而成，每個rbm可以視為一個二分圖，二分圖包含一個可見層和一個隱藏層；

12、單個rbm的定義了可見層和隱藏層之間的能量函數(shù)，以及基于這個能量函數(shù)的概率分布，給定可見層的輸入v和隱藏狀態(tài)h概率分布定義如下：

13、可見層給定隱藏層的概率：

14、隱藏層給定可見層的概率：

15、其中，σ(x)是sigmoid函數(shù)，bi是可見層第i個節(jié)點的偏置；cj是隱藏層第j個節(jié)點的偏置；wij以及wji是連接可見層節(jié)點i和隱藏層節(jié)點j的權(quán)重；v是可見層的輸入數(shù)據(jù)，vi是可見層第i節(jié)點輸入向量；h是隱藏狀態(tài)，hi是隱藏層中節(jié)點i的激活狀態(tài)；

16、可見層的輸入v是指可見層的節(jié)點向量，具體為選擇的與暫態(tài)穩(wěn)定性相關(guān)的特征；

17、隱藏狀態(tài)h是指rbm中隱藏層的節(jié)點向量，代表了從可見層的輸入數(shù)據(jù)v中學習到的潛在特征或模式；

18、dbn由多個層次的rbm堆疊而成，每一層的rbm都建立在前一層rbm的隱藏層輸出上，第k層rbm的數(shù)學模型表示為：

19、

20、h(k)是第k層的隱藏狀態(tài)；v(k-1)是第k-1層的可見狀態(tài)，即第層rbm的隱藏層輸出；c(k)是第k層的偏置向量，是第k層的權(quán)重矩陣；σ(x)是sigmoid函數(shù)，

21、s23.訓練dbn，對s22得到的深度置信網(wǎng)絡(dbn)進行訓練，將深度置信網(wǎng)絡(dbn)的每一層rbm獨立地使用對比散度算法進行訓練。

22、進一步地，所述s23中，使用對比散度算法對深度置信網(wǎng)絡(dbn)的每一層rbm進行訓練的方法包括：

23、s231.隨機初始化權(quán)重w和可見層偏置b以及隱藏層偏置c；

24、s232.可見層的輸入v被送入rbm，基于s231初始化的權(quán)重和偏置，采用sigmoid函數(shù)計算隱藏層每個節(jié)點hj被激活的概率，公式為：

25、hij＝p(hj＝1/v)＝σ(cj+σiwjivi)；

26、s233.根據(jù)正向傳播得到的隱藏層狀態(tài)h，進行反向傳播以重構(gòu)可見層v，重構(gòu)的可見層被稱為“負面”數(shù)據(jù)，它是模型當前狀態(tài)下的輸出，公式表示為：

27、p(vi/h)＝σ(bj+∑iwijhj)；

28、s234.使用生成的“負面”數(shù)據(jù)再次進行正向傳播更新隱藏層的概率分布，公示為：

29、

30、v是由模型根據(jù)隱藏狀態(tài)h重構(gòu)的可見層數(shù)據(jù)；hij是在給定重構(gòu)的可見層數(shù)據(jù)下，隱藏層節(jié)點j被激活的概率；

31、s235.計算權(quán)重和偏置的梯度，基于正向傳播和重構(gòu)的隱藏層狀態(tài)之間的差異來計算梯度的，公式為：

32、δw＝η(<vihj>data-<vihj>recon)；

33、δbi＝η(<vi>data-<vi>recon)；

34、δcj＝η(<hj>data-<hj>recon)；

35、其中，η是學習率，控制著參數(shù)更新的幅度；<?>data表示在實際可見層的輸入v下的統(tǒng)計期望，其通過多次采樣來估計；〈〉recon表示在重構(gòu)的可見層輸入下的統(tǒng)計期望，其通過多次采樣來估計；

36、s236.重復s232到s235，直到模型在訓練數(shù)據(jù)上的性能不再顯著提升，或者達到預定的迭代次數(shù)，每次迭代都旨在減少數(shù)據(jù)和模型重構(gòu)之間的差異，從而提高模型對數(shù)據(jù)的表示能力。

37、進一步地，所述s3中，構(gòu)建風險評估函數(shù)為：

38、r＝ω1·sv1+ω2·sf1+…+ωk·snk；

39、其中，sv1，sf1，…，snk分別是經(jīng)過dbn評估后的各個穩(wěn)定性指標的標準化評分；ω1，ω2，ωk是與各個穩(wěn)定性指標相對應的權(quán)重，根據(jù)它們對系統(tǒng)穩(wěn)定性的影響程度確定。

40、進一步地，所述s3中，根據(jù)風險評估函數(shù)確定電網(wǎng)風險等級的步驟包括：

41、設定風險等級閾值，通過設定的低風險閾值tl和中風險閾值tm來劃分風險等級，tl和tm是基于歷史事件、系統(tǒng)特性和可接受的風險水平設定，tl和tm是動態(tài)調(diào)整的，根據(jù)系統(tǒng)運行經(jīng)驗和外部環(huán)境變化進行更新；風險等級表示為：

42、低風險：r＜tl；

43、中風險：tl＜r＜tm；

44、高風險：r≥tm；

45、生成預防控制策略，根據(jù)風險等級制定預防措施：

46、低風險，監(jiān)控系統(tǒng)狀態(tài)，維持當前操作，準備應對潛在風險；

47、中風險，優(yōu)化發(fā)電和負荷計劃，調(diào)整電網(wǎng)運行方式，減少風險；

48、高風險，采取緊急措施，如切負荷、調(diào)整發(fā)電機出力、啟用備用設備；

49、預防控制策略定期進行評估和更新，以適應電網(wǎng)運行條件的變化，預防控制策略評估通過模擬、歷史數(shù)據(jù)分析或?qū)崟r監(jiān)控數(shù)據(jù)來進行。

50、進一步地，所述s4中，優(yōu)勢函數(shù)的構(gòu)建方法包括：

51、s411.確定影響指標，根據(jù)s3中生成的策略，確定每個預防控制策略預期的輸出或效果；

52、s412.量化策略影響，對于每個預防控制策略，量化其對穩(wěn)定性和經(jīng)濟性指標的影響；

53、s413.構(gòu)建優(yōu)勢函數(shù)，優(yōu)勢函數(shù)綜合了穩(wěn)定性和經(jīng)濟性指標，優(yōu)勢函數(shù)表示為：

54、a＝α·rt+(1-α)·re；

55、re＝λ1·e1+λ2·e2+…；

56、α是權(quán)衡系統(tǒng)穩(wěn)定性和經(jīng)濟性重要性的權(quán)重，權(quán)重α的選擇應基于對系統(tǒng)穩(wěn)定性和經(jīng)濟性重要性的判斷，需要根據(jù)不同情況進行調(diào)整，α是介于0到1之間的權(quán)重，用于平衡穩(wěn)定性和經(jīng)濟性指標；rt是風險評估函數(shù)r的輸出；re經(jīng)濟性綜合評分；λi是第i個經(jīng)濟性指標的權(quán)重，反映了該指標在整體經(jīng)濟性評估中的重要性，ei是第i個經(jīng)濟性指標的成本效益評分，ei是貨幣單位或其他量化形式，如成本節(jié)約百分比。

57、進一步地，利用構(gòu)建的優(yōu)勢函數(shù)來評估和優(yōu)化控制策略的方法包括：

58、s421.量化優(yōu)勢函數(shù)的穩(wěn)定性指標，從構(gòu)建的優(yōu)勢函數(shù)中提取與穩(wěn)定性相關(guān)的指標，量化穩(wěn)定性指標；穩(wěn)定性指標包括電壓穩(wěn)定性和頻率穩(wěn)定性，使用定量方法來衡量這些指標；

59、s422.基于量化的穩(wěn)定性指標設計預防控制策略，預防控制策略包括：

60、發(fā)電計劃調(diào)整，根據(jù)系統(tǒng)負荷和電壓穩(wěn)定性指標，調(diào)整發(fā)電機組的輸出；

61、負荷分配優(yōu)化，重新分配電網(wǎng)負荷，以減少壓力點和提高整體穩(wěn)定性；

62、備用資源啟用，在必要時啟用備用發(fā)電機組或調(diào)整現(xiàn)有資源的運行；

63、對于每個控制策略，計算應用該策略后優(yōu)勢函數(shù)的變化量：

64、δa＝a(c)-a；

65、a(c)＝α·rt(c)+(1-α)·re；

66、a(c)是應用控制策略后的系統(tǒng)優(yōu)勢評分；rt(c)是應用控制策略后風險評估函數(shù)r的輸出，α是權(quán)衡系統(tǒng)穩(wěn)定性和經(jīng)濟性重要性的權(quán)重，re經(jīng)濟性綜合評分；

67、根據(jù)δa的值評估控制策略的效果，如果δa＞0，則表明控制策略提高了系統(tǒng)的優(yōu)勢評分，即提高了系統(tǒng)的穩(wěn)定性和經(jīng)濟性。

68、進一步地，使用nsga-ii算法尋找最優(yōu)控制策略的方法包括：

69、s51.初始化種群，隨機生成一組潛在的控制策略作為初始種群p0，對于種群中的每個解p，利用s4構(gòu)建優(yōu)勢函數(shù)計算每優(yōu)勢函數(shù)a(p)，a(p)表示為：

70、a(p)＝α·rt(p)+(1-α)·re；

71、rt(p)是解p的穩(wěn)定性評分，re是經(jīng)濟性評分，α是權(quán)衡系統(tǒng)穩(wěn)定性和經(jīng)濟性重要性的權(quán)重；

72、s52.非支配排序，對于種群中的每對解pi和pj，如果pi在所有目標上都不比pj差，并且在至少一個目標上更好，則pi非支配pj；將所有非支配其他解的解分為一個等級，通常是第一等級；然后從這些解中移除被它們非支配的解，剩下的解構(gòu)成第二等級，以此類推；

73、s53.對于每個非支配等級si中的策略，計算擁擠距離d(p)，以衡量解在其非支配等級內(nèi)的分布密度；

74、

75、amax是整個種群中優(yōu)化函數(shù)的最大值；amin是整個種群中優(yōu)化函數(shù)的最小值；amax,s是解p所在非支配等級si中優(yōu)化函數(shù)的最大值；amin,s是解p所在非支配等級si中優(yōu)化函數(shù)的最小值；

76、s54.根據(jù)非支配排序和擁擠距離選擇優(yōu)秀的策略，形成新一代種群；

77、選擇非支配等級高以及擁擠距離大的解作為父母解，形成新一代種群；

78、選擇非支配等級高的解，在同一等級內(nèi)，選擇擁擠距離大的解，以保持種群多樣性；

79、s55.對選定的策略執(zhí)行交叉和變異操作，生成新的后代策略；

80、隨機選擇父母解，將父母解的每個參數(shù)轉(zhuǎn)換為二進制字符串，選擇一個或多個交叉點，交叉點是隨機的，在交叉點處交換父母解的基因片段，生成新的后代解，交叉操作為單點交叉、多點交叉或均勻交叉中的一種；

81、對通過交叉生成的后代解執(zhí)行變異操作，以引入新的遺傳變異，將交叉和變異生成的后代解集合起來，形成新的后代種群；

82、s56.重復執(zhí)行s51到s54步驟，每次迭代都包括生成新一代種群、計算擁擠距離、選擇優(yōu)秀策略、執(zhí)行交叉和變異操作，直到解的質(zhì)量達到預定標準。

83、綜上所述，由于采用了上述技術(shù)方案，發(fā)明內(nèi)容的有益技術(shù)效果是：

84、通過訓練dbn，能夠從大量實時數(shù)據(jù)中學習并預測電力系統(tǒng)的暫態(tài)穩(wěn)定性，相比于傳統(tǒng)方法，dbn能夠捕捉更復雜的非線性關(guān)系，采用深度置信網(wǎng)絡對電力系統(tǒng)的暫態(tài)穩(wěn)定性進行評估，提高了評估的準確性和效率。

85、通過設定風險等級閾值，更精細地管理電網(wǎng)運行風險，實現(xiàn)從低風險到高風險不同級別的預防措施，構(gòu)建風險評估函數(shù)，動態(tài)確定電網(wǎng)的風險等級，并根據(jù)風險等級生成相應的預防控制策略。

86、優(yōu)勢函數(shù)的構(gòu)建使得控制策略不僅考慮系統(tǒng)的穩(wěn)定性，還兼顧經(jīng)濟性，通過權(quán)衡不同指標，實現(xiàn)了更全面的策略優(yōu)化，通過優(yōu)勢函數(shù)，綜合考量了電力系統(tǒng)的穩(wěn)定性和經(jīng)濟性，為控制策略的評估和優(yōu)化提供了量化指標。

87、通過非支配排序和擁擠距離計算，選擇優(yōu)秀的策略形成新一代種群，并通過交叉和變異操作生成新的后代策略，最終達到預定標準的解的質(zhì)量，使用nsga-ii算法進行多目標優(yōu)化，尋找最優(yōu)的控制策略，平衡了系統(tǒng)的穩(wěn)定性和經(jīng)濟性。

88、通過集成方法，可以在預防階段就考慮到可能的故障情況，并制定相應的協(xié)調(diào)策略，提高了電網(wǎng)對突發(fā)事件的應對能力，將暫態(tài)穩(wěn)定預防和故障協(xié)調(diào)輔助集成在一起，實現(xiàn)了更為全面的電網(wǎng)安全管理。

89、通過將穩(wěn)定性指標(如電壓偏差、頻率偏差)和經(jīng)濟性指標(如成本節(jié)約百分比)量化，精確地評估和優(yōu)化控制策略，實現(xiàn)了穩(wěn)定性和經(jīng)濟性指標的定量化，為控制策略的評估提供了明確的量化基礎(chǔ)。