暂态稳定评估关键输入特征选择与评判规则木.pdf

华 南 理 工 大 学 学 报 (自然科 学版 ) 第 38卷 第 3期 JournalofSouthChinaUniversityofTechnology V01．38 No．3 2010年 3月 (NaturalScienceEdition) March 2010 文章编号 ：1000—565X(2010)03—0089—06 暂态稳定评估关键输入特征选择与评判规则木 管霖 郑传材 王律 章小强 王同文 (1．华南理工大学 电力学院，广东 广州510640；2．广州供电局 ，广东 广州510620；3．无锡供电局，江苏 无锡 214000) 摘 要：关键输入特征选择与评估模型是基于人工智能(AI)的电力系统暂态稳定评估方 法研究的关键点．文中采用数据驱动的特征选择和规则提取算法，通过仿真实例评估关键 特征，并提取稳定判别规则．在特征选择 中采用基于遗传算法的k阶近邻法(GA—knn)评 价特征的性能；在规则提取中，采用关联规则的分类器构造算法，生成暂态稳定评估规则． 通过对 1O机 39节点系统和 3机9节点系统中应用结果的对比分析，在53维候选特征中 得出了相对通用的暂态稳定评估关键特征，并得到不同网架结构中稳定评判规则表现出 的适用性和在稳定边界上的特异性． 关键词：电力系统；暂态稳定评估；关键输入特征；知识提取；规则分析 中图分类号：TM712 doi：10．3969／j．issn．1000-565X．2010．03．016 暂态稳定评估 (TSA)是电力系统运行中的重要 定判别规则提取策略，研究基于动态输入特征的 问题之一．人工智能 (AI)方法被广泛应用于该领 TSA问题．应用了寻优算法搜索最优的输入特征组 域．在基于人工智能的TSA策略构造中广泛采用反 合 驯．通过对新英格兰 3机 9节点系统和 10机 39 映系统故障期间动态响应的部分组合运行变量构成 节点系统两个不同规模电网的特征提取结果进行对 稳定判别输入特征．随后，人工神经网络等智能技术 照，提出了适用于暂态稳定评估的最佳动态特征组 被应用来建立从输入特征到系统暂态稳定特征样本 合．应用基于关联规则分类的知识获取算法对两个测 空问与稳定状态之间的映射关系． 试系统进行规则提取和分析，证实了所提稳定判别 建模过程中，选择合适的输入特征是设计的关 规则的有效性，并揭示了两个不同系统暂态稳定评 键环节之一．大量研究应用 了诸如主成分分析法 估中的通用规则和稳定边界所表现出来的特异性． (PCA)等特征变换算法来降低输入特征维数，提高 1 初始输入特征和特征选择 智能稳定评估方法的学习效率 。J．这种输入特征获 得方法存在的最大问题在于输入特征物理背景的遗 1．1 初始输入特征集构造 失，使得后续稳定判别过程变得难 以理解．由于稳定 国内外相关研究文献在暂态稳定评估输入特征 评估中输入特征与稳定类别之间是复杂的非线性关 的选取中各有特点．为了客观地评价各种动态特征 系，因此，人工神经网络 (ANN)是 目前最常采用的 组合与系统暂态稳定判别的关联强弱，文 中在候选 建立从输入特征到系统稳定状态之间的映射机制的 输入特征 (初始特征集)的选择中采用相关文献 中 方法 ，然而 ANN的一个主要的不足就是映射关 的各种输入特征量 ，并根据对问题 的理解补充了一 系难 以被描述和解释．