《基于双阶段支持向量机的电力系统暂态稳定预测及控制》总结

《基于双阶段支持向量机的电力系统暂态稳定预测及控制》总结

论文作者：周艳真等

背景

      我国特高压交直流混联大电网格局的逐步形成，电力系统安全稳定特性与激励日趋复杂，运行控制难度不断加大，对在线安全稳定分析的可靠性和精确性提出了新的要求。暂态稳定破坏是电力系统发生大规模停电事故的重要愿意，如何快速准确判断系统的暂态稳定性是电力系统安全防控需要考虑的主要问题之一。

     随着智能电网建设的不断深入，各级调度中心积累了大量调度数据。仅每15分钟进行一次的在线安全稳定分析，计算数据和结果数据量就可以达到1G，一个月数据量超过2T，数据量惊人，因此亟需有效的技术从海量数据中挖掘与暂态稳定相关的知识，并协助运行人员实现稳定水平和薄弱环节的判别。    

研究现状

     基于数据挖掘技术的暂态稳定评估，其步骤一般为：一、构建原始特征空间；二、进行特征选择或者特征抽取；三、利用分类器对特征空间和稳定结果构建映射关系。进行安全稳定分析一般有两种思路：一、这种方法称之为稳定域方法，选取故障前、故障时、故障后的输入特征空间，其稳定评估独立于扰动形式和扰动地点；二、第二种方法称之为安全域方法，在故障形式确定的情况下，以系统的潮流量（节点功率注入、线路潮流等）作为输入特征空间，建立潮流方式与稳定状态之间的关系。上述两种思路比较可以发现，稳定域方法不能指出影响稳定水平的因素，且同时因为它需要用到故障后的状态量，一旦判断失稳，只能采取措施进行紧急控制，代价很大，但是它的状态空间能够最大程度代表电力系统的状态空间；安全域分析方法采用故障前的潮流量进行稳定评估，可以明确影响稳定水平的因素，同时判断失稳则可以采取预防控制措施进行调整，但是代表的状态空间范围较小。

本文思路

            输入特征是否可控决定了其得到的规则能否直接用于预防控制；而分类模型是否直观决定了准确率的高低以及规则提取的难易程度，用于暂态稳定预测的分类模型越复杂，准确率越高，但是规则提取也就越难，因此为了兼顾准确率以及规则提取的需求，本文提出了基于双阶段支持向量机的电力系统暂态稳定预测与控制方法。

           输入特征子集分为两种：特征子集1能够直接控制用于预防控制模型，特征子集2不能直接控制用于基于信念度的支持向量机（SVM）暂稳预测。首先预防控制模型是由线性支持向量机构成，能够得到稳定结果与各发电机有功处理的线性关系，同时得到混叠区域样本，进而用混叠区域样本训练SVM，信念度超过预设值且不稳定的继续由预防控制模型处理，信念度不超过预设值的继续由时域仿真判断，循环往复，直至确定所有样本为稳定为止。

 

论文论点优缺点

         优点：1.创新性地引入了安全域分析预防控制的方法，有利于帮助调度员对电力系统调节；2.双阶段支持向量机同时也有助于提高准确率

         缺点：1.所提预防控制方法无法调节机端电压以及有载调压变压器等，具有一定的局限性2.所提出的控制策略通过多次试探快速找到可行解，但不是经济上最优的。若要得到经济上的最优解需要增加试探次数，或者与传统优化算法结合融合，但是又会增加计算量。