基于最简特征量的风电暂态电压稳定分析方法.docxVIP

基于最简特征量的风电暂态电压稳定分析方法 0 特征选择方法 随着区块风的快速发展，各部门电网总能耗的比例逐渐增加。由于风电出力具有随机性和波动性的特点,这将增加风电地区电网的复杂性,同时也容易由电网故障引起的低电压造成风机脱网,对风电地区暂态电压稳定性的威胁也必然增大。学术界对此问题进行了深入研究。目前,对风电并入电网的暂态电压稳定的研究中,由于风电地区暂态电压稳定的复杂性,大部分文献只分析与风电场有关的关键节点暂态电压问题,却很少有文献针对整个风电地区电网的暂态电压稳定的总体性问题进行分析研究。本文将采用描述复杂的风电地区暂态电压稳定的高维特征集中选取最简特征集,简化对风电地区暂态电压稳定的分析。 在复杂的电力系统中,采用特征集来描述其暂态电压稳定性是一个高维的特征空间。使用高维的特征量来分析电力系统的暂态电压稳定存在分析速度慢的弊端。所以有效降低其特征集能以较快的速度分析电力系统的暂态电压稳定性。利用特征选择来降低特征维数的这种方法体现了对整个电网总体性的研究。针对高维特征量的降维,不同文献运用了不同算法。文献采用基于二进制粒子群优化算法的暂态稳定评估特征量的选择,粒子群的每个粒子代替待选的原始特征量,结合最小二乘支持向量机对该粒子进行分类,提取最具有代表暂态稳定性的一类特征量。文献提出基于蚁群优化算法的暂态稳定评估的特征量选择方法,通过分类以错误率最低和特征量的选择比率最小为优化目标,通过蚁群优化算法实现特征的选择。文献采用基于主成分和遗传算法的方法进行暂态稳定特征量的选择,运用遗传算法选取类内类间最大的一组综合特征进行分析,从而选出特征量。目前这种降低特征维数的方法只运用在传统电网中,如文献利用交叠概率对暂态电压稳定特征量的选取,但由于目前风力发电量的逐渐增加对其电网暂态电压稳定影响也必然增大,选取风电地区暂态电压特征量也应考虑与风电有关的特征量。本文在选取风电地区暂态电压稳定的原始特征量时将加入与风电相关的特征量,再进行特征选择以降低其特征维度。 本文采用交叠概率的算法,以最小概率落入特征量的交叠空间为原则,提取最简的特征量组合,降低电力系统的特征维度。本文在选取原始特征量时,计及风电因素的影响,建立有关风电的特征量。通过海量数据提取原始特征量的交叠空间,以最小落入交叠空间为判据,对电力系统暂态电压稳定评估的原始特征量进行选择。最后采用神经网络验证所选最简特征量在暂态电压稳定的准确性。 1 交叉概率及其应用 1.1 极值交叠算法 事实上,可以检测得到的电网系统状态量和实际发生的高维复杂事件并不能一一对应,使用特征量来衡量所发生的复杂事件往往存在着不可判区域。系统的特征量类别之间的交叠区域是错误判断的最大来源。这不可判的交叠区域就叫交叠空间。 以简单的一维二类问题为例,X={x1, x2, x3,…,xm}, Y={y1, y2, y3,…,yn},X和Y表示两个类别,xi和yi表示此特征量的样本值,m和n分别代表X和Y类别的样本个数。设集合X中的最大、最小值分别为xmax、xmin,集合Y的最大、最小值分别是ymax、ymin,由两个类别样本值最大最小值提取交叠空间的方法叫极值交叠法。本问题的交叠空间为: 由于电力系统具有复杂性,其特征量不可能是呈连续的单调性,其必须是复杂的函数,因此求取其交叠空间时,不能简单的采用极值交叠法。文献提出了分布区间截断法对极值交叠法提取的交叠空间进行修正和改进。在大量测试样本的前提下,设定距离阀值d,密度阀值e0。将各特征量的样本数据按照从小到大的顺序排列(a1,a2,a3,…)。计算样本每个点与相邻点的距离d,当dδ时,表示该距离代表的区域为非事件分布区间,予以剔除。计算各事件在某一段区域的密度ε,当εε0时,表示该区域为不良区间,予以剔除。针对c维k类问题的分布区间截断法求取交叠空间的方法如下: 式中:z为对应操作样本的总数;Int、β分别为事件在对应特征属性上各分部区间的占比和落入该区间的样本比例;ε用于修正A事件的分布。 1.2 交叠概率判据 在具有高维特征属性的复杂电力系统中,有效降低其特征属性能快速准确分辨电力系统所处状态。本文以最小概率落入特征量的交叠空间为原则,提取最简的特征量组合,降低电力系统的特征维度。以一维二类问题为例,X={x1,x2,x3,…,xm},Y={y1,y2,y3,…,yn}。交叠概率的计算方法为 式中:p(X)、p(Y)分别代表X、Y两类事件发生的概率;O表示事件的交叠空间;p(O|X)、p(O|Y)分别表示X、Y两类事件的样本落入交叠空间的概率。p(X)、p(Y)、p(O|X)、p(O|Y)的表达式如下: 若是c维k类的系统问题,选择适当特征量组合,使交叠概率P最小,这可作特征选择的过滤判据,称为交叠概率判据J。在c维k类问题中,设Ii(i=1