基于MVEE和NHC的电力系统暂态稳定评估方法研究
发布时间：2022-01-01 02:24
作为电力系统安全稳定分析方法的重要组成部分,暂态稳定评估在维护电网安全方面一直发挥着不可替代的重要作用。近年来,随着电网技术向数字化、信息化、智能化的方向发展,暂态稳定评估方法也从传统的时域仿真法、能量函数法向模式识别法进行过渡,本文围绕基于模式识别的暂态稳定评估方法展开研究,主要研究内容如下:在特征构建方面,根据最小体积闭包椭球（minimum volume enclosing ellipsoid,MVEE）对系统轨迹信息进行优化处理,确定高维空间内包含所有轨迹信息的最小体积闭包椭球,并利用该椭球的物理属性构建输入特征集,以完成对特征集的降维处理,达到加强分类器模型特征辨识能力、提升暂态稳定评估精度的目的。在模型训练方面,将非平行超平面分类器（nonparallel hyperplane classifier,NHC）中的投影孪生支持向量机（projection twin support vector machine,PTSVM）作为分类器模型引入至暂态稳定评估中,建立基于MVEE与PTSVM的电力系统暂态稳定评估方法。与基于传统支持向量机的评估方法相比较,该评估方法更重视故障样本分...
【文章来源】：东北电力大学吉林省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图１－２基于模式识别的暂态稳定评估流程图??－３?－??
ＳＶＭ是一种基于统计学习理论的分类器模型，其较好地解决了??人工神经网络易过拟合以及决策树泛化能力弱的问题，因此成为目前该领域中研宄热度最??高的分类器模型。??１．３．２．１关于支持向量机的研究现状??支持向量机最早在二十世纪六十年代由Ｖ．Ｎ．Ｖａｐｎｉｋ等学者提出，该模型是一种基于统??计学与人工智能理论的二分类模型，其发展至今己经广泛应用于包括计算机视觉、自然语??言处理以及生物信息学在内的多个领域。支持向量机的基本工作原理是通过大量样本信息??构建一个最佳超平面决策边界，如图１－３所示，利用该超平面边界可对不同样本进行有效??区分。当样本空间内出现新的目标时，该边界仍可按照确定的分类规则对新样本做出自动??识别分类。因此，采用该模型可对各类样本进行识别、归纳以及总结，以达到对未知样本??类型进行准确预测判别的目的??＿?（界?决策边界??７个〇』隔边界??／ｌ／－：—??／?／?＾??图１－３支持向量机分类原理图??鉴于其出色的学习性能和强大的泛化能力［４２】，近年来许多学者将ＳＶＭ与电力系统暂??态稳定评估相结合，建立起基于ＳＶＭ的暂稳评估方法。文献［４３］将支持向量机与非序贯蒙??－５－??
?第２章基于ＭＶＥＥ理论的特征构建???较稳定状态时产生偏移，其位置也会大幅度变化。该指标实质上反映了椭球在暂态过程中??的动态变化轨迹，体现了系统受扰动后的偏离程度。??根据上述四类物理属性变化规律可知，当系统状态为稳定时，其对应的椭球在切除故??障后的变化过程如图２－１所示，即椭球体积逐渐缩小，偏心率也逐渐减小，外观趋向于球??形，同时其中心位置变化不明显。??＿?ｈ?＿＿＿＿＿??（ａ）?（ｂ）?（ｃ）??图２－１稳定场景下椭球变化过程??但当系统状态为失稳时，其对应的椭球在切除故障后的变化过程如图２－２所示，即椭??球体积逐渐增大，偏心率增加，外观逐渐偏离球形，同时位置变化较明显。??＇?．［慮輪．１．：一：論、??（ａ）?（ｂ）?（ｃ）??图２－２失稳场景下椭球变化过程??综上所述，电网运行轨迹信息所对应的最小体积闭包椭球对系统稳定状态具有一定表??征作用，则可将不同时刻下椭球物理属性作为特征量构建输入特征集，具体如表２－１所示。??表２－１通过ＭＶＥＥ理论构建的输入特征集???编号?输入特征???７ｚｌ?故障初始时刻Ｆ＾（２，ｃ）??Ｔｚｌ?故障切除时刻??Ｔｚ３?故障切除周波后Ｆｐｈ）??７ｚ４?故障初始时刻ｅｐｅｏ??Ｔｚ５?故障切除时刻??Ｔｚ６?故障切除ｍ周波后ｅｐｅ，＜０??Ｔｚｌ?故障初始时刻Ｆ（ｆ）??ｍ?故障切除时刻??Ｔｚ９?故障切除／Ｊ周波后??Ｔｚ＼０?故障初始时刻认??Ｔｚ＼＼?故障切除时刻认???７＾１２?故障切除ｎ周波后０；???－１３－??
【参考文献】：
期刊论文
[1]英国“8·9”大停电事故分析及对中国电网的启示[J]. 孙华东,许涛,郭强,李亚楼,林伟芳,易俊,李文锋. 中国电机工程学报. 2019(21)
[2]基于支持向量机的在线暂态稳定故障筛选[J]. 鲍颜红,冯长有,任先成,张金龙,马超,邵伟. 电力系统自动化. 2019(22)
[3]基于PMU的电网等值在互联电网运行可靠性评估中的应用[J]. 张大波,连帅,陶维青,方陈,柳劲松. 电力系统保护与控制. 2019(15)
[4]自然灾害下电网运行风险控制策略探讨[J]. 常康,徐泰山,郁琛,刘镭,王昊昊,郭俊. 电力系统保护与控制. 2019(10)
[5]基于正则化投影孪生支持向量机的电力系统暂态稳定评估[J]. 姜涛,王长江,陈厚合,李国庆,葛维春. 电力系统自动化. 2019(01)
[6]巴西“9.13”远西北电网解列及停电事故分析及启示[J]. 刘云. 中国电机工程学报. 2018(11)
[7]基于支持向量机综合分类模型和关键样本集的电力系统暂态稳定评估[J]. 田芳,周孝信,于之虹. 电力系统保护与控制. 2017(22)
[8]基于相轨迹MLE指标的暂态功角稳定在线辨识[J]. 魏少攀,杨明,韩学山,马世英. 电力系统自动化. 2017(16)
[9]基于投影能量函数和Pin-SVM的电力系统暂态稳定评估[J]. 陈厚合,王长江,姜涛,李雪,李国庆. 电工技术学报. 2017(11)
[10]电网大停电社会综合损失评估[J]. 刘自发,张在宝,杨滨,王智冬,齐芳. 电网技术. 2017(09)
硕士论文
[1]基于弹球损失支持向量机和端口能量函数的暂态稳定评估方法研究[D]. 王长江.东北电力大学 2017
本文编号：3561465
【文章来源】：东北电力大学吉林省
【文章页数】：57 页
【学位级别】：硕士
【部分图文】：
图１－２基于模式识别的暂态稳定评估流程图??－３?－??
ＳＶＭ是一种基于统计学习理论的分类器模型，其较好地解决了??人工神经网络易过拟合以及决策树泛化能力弱的问题，因此成为目前该领域中研宄热度最??高的分类器模型。??１．３．２．１关于支持向量机的研究现状??支持向量机最早在二十世纪六十年代由Ｖ．Ｎ．Ｖａｐｎｉｋ等学者提出，该模型是一种基于统??计学与人工智能理论的二分类模型，其发展至今己经广泛应用于包括计算机视觉、自然语??言处理以及生物信息学在内的多个领域。支持向量机的基本工作原理是通过大量样本信息??构建一个最佳超平面决策边界，如图１－３所示，利用该超平面边界可对不同样本进行有效??区分。当样本空间内出现新的目标时，该边界仍可按照确定的分类规则对新样本做出自动??识别分类。因此，采用该模型可对各类样本进行识别、归纳以及总结，以达到对未知样本??类型进行准确预测判别的目的??＿?（界?决策边界??７个〇』隔边界??／ｌ／－：—??／?／?＾??图１－３支持向量机分类原理图??鉴于其出色的学习性能和强大的泛化能力［４２】，近年来许多学者将ＳＶＭ与电力系统暂??态稳定评估相结合，建立起基于ＳＶＭ的暂稳评估方法。文献［４３］将支持向量机与非序贯蒙??－５－??
?第２章基于ＭＶＥＥ理论的特征构建???较稳定状态时产生偏移，其位置也会大幅度变化。该指标实质上反映了椭球在暂态过程中??的动态变化轨迹，体现了系统受扰动后的偏离程度。??根据上述四类物理属性变化规律可知，当系统状态为稳定时，其对应的椭球在切除故??障后的变化过程如图２－１所示，即椭球体积逐渐缩小，偏心率也逐渐减小，外观趋向于球??形，同时其中心位置变化不明显。??＿?ｈ?＿＿＿＿＿??（ａ）?（ｂ）?（ｃ）??图２－１稳定场景下椭球变化过程??但当系统状态为失稳时，其对应的椭球在切除故障后的变化过程如图２－２所示，即椭??球体积逐渐增大，偏心率增加，外观逐渐偏离球形，同时位置变化较明显。??＇?．［慮輪．１．：一：論、??（ａ）?（ｂ）?（ｃ）??图２－２失稳场景下椭球变化过程??综上所述，电网运行轨迹信息所对应的最小体积闭包椭球对系统稳定状态具有一定表??征作用，则可将不同时刻下椭球物理属性作为特征量构建输入特征集，具体如表２－１所示。??表２－１通过ＭＶＥＥ理论构建的输入特征集???编号?输入特征???７ｚｌ?故障初始时刻Ｆ＾（２，ｃ）??Ｔｚｌ?故障切除时刻??Ｔｚ３?故障切除周波后Ｆｐｈ）??７ｚ４?故障初始时刻ｅｐｅｏ??Ｔｚ５?故障切除时刻??Ｔｚ６?故障切除ｍ周波后ｅｐｅ，＜０??Ｔｚｌ?故障初始时刻Ｆ（ｆ）??ｍ?故障切除时刻??Ｔｚ９?故障切除／Ｊ周波后??Ｔｚ＼０?故障初始时刻认??Ｔｚ＼＼?故障切除时刻认???７＾１２?故障切除ｎ周波后０；???－１３－??
【参考文献】：
期刊论文
[1]英国“8·9”大停电事故分析及对中国电网的启示[J]. 孙华东,许涛,郭强,李亚楼,林伟芳,易俊,李文锋. 中国电机工程学报. 2019(21)
[2]基于支持向量机的在线暂态稳定故障筛选[J]. 鲍颜红,冯长有,任先成,张金龙,马超,邵伟. 电力系统自动化. 2019(22)
[3]基于PMU的电网等值在互联电网运行可靠性评估中的应用[J]. 张大波,连帅,陶维青,方陈,柳劲松. 电力系统保护与控制. 2019(15)
[4]自然灾害下电网运行风险控制策略探讨[J]. 常康,徐泰山,郁琛,刘镭,王昊昊,郭俊. 电力系统保护与控制. 2019(10)
[5]基于正则化投影孪生支持向量机的电力系统暂态稳定评估[J]. 姜涛,王长江,陈厚合,李国庆,葛维春. 电力系统自动化. 2019(01)
[6]巴西“9.13”远西北电网解列及停电事故分析及启示[J]. 刘云. 中国电机工程学报. 2018(11)
[7]基于支持向量机综合分类模型和关键样本集的电力系统暂态稳定评估[J]. 田芳,周孝信,于之虹. 电力系统保护与控制. 2017(22)
[8]基于相轨迹MLE指标的暂态功角稳定在线辨识[J]. 魏少攀,杨明,韩学山,马世英. 电力系统自动化. 2017(16)
[9]基于投影能量函数和Pin-SVM的电力系统暂态稳定评估[J]. 陈厚合,王长江,姜涛,李雪,李国庆. 电工技术学报. 2017(11)
[10]电网大停电社会综合损失评估[J]. 刘自发,张在宝,杨滨,王智冬,齐芳. 电网技术. 2017(09)
硕士论文
[1]基于弹球损失支持向量机和端口能量函数的暂态稳定评估方法研究[D]. 王长江.东北电力大学 2017
本文编号：3561465
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3561465.html
