基于数据驱动的交直流混合微电网故障后电压稳定性预测方法及系统
申请人信息
- 申请人:国网江苏省电力有限公司连云港供电分公司
- 申请人地址:222000 江苏省连云港市海州区幸福路1号
- 发明人: 国网江苏省电力有限公司连云港供电分公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于数据驱动的交直流混合微电网故障后电压稳定性预测方法及系统 |
| 专利类型 | 发明授权 |
| 申请号 | CN202210839992.1 |
| 申请日 | 2022/7/18 |
| 公告号 | CN115189369B |
| 公开日 | 2024/1/12 |
| IPC主分类号 | H02J3/24 |
| 权利人 | 国网江苏省电力有限公司连云港供电分公司 |
| 发明人 | 伏祥运; 岳付昌; 李红; 朱立位; 宋家康 |
| 地址 | 江苏省连云港市海州区幸福路1号 |
摘要文本
本发明公开了一种基于数据驱动的交直流混合微电网故障后电压稳定性预测方法及系统，该方法首先计算互联变换器端子处交流和直流电压的短时均方偏差；其次，根据马氏距离准则确定起始段，构造特征序列；最后，建立深度学习系统，利用深度学习网络预测故障后电压稳定性，其中深度学习网络优化设计考虑了预测延迟，并通过仿真验证所提预测机制的有效性与优越性。本发明用于及时预测孤岛交直流混合微电网中的故障后电压稳定性，触发协调保护和控制机制，以调节子电网中的电压，提高了交直流混合微电网故障后电压稳定性预测的准确性。
专利主权项内容
1.一种基于数据驱动的交直流混合微电网故障后电压稳定性预测方法，其特征在于，包括步骤：计算互联变换器端子处交流和直流电压的短时均方偏差；根据短时均方偏差和马氏距离准则，确定描述包括故障在内的极端事件的特征序列的起始段，并构造特征序列；根据构造的特征序列，建立和训练用于预测故障后电压稳定性的深度学习网络预测器；通过深度学习网络预测器进行电压稳定性预测；所述特征序列为：其中，表示故障引起扰动时以及扰动发生后ρ个时段的特征序列，ρ表示初始段之后处理的故障后段的数量；/>表示第I个测量段的偏差向量，ζ(I)表示第i个互联变换器端子处交流电压在第I段的均方偏差，/>表示第个互联变换器端子处交流电压在第I段的均方偏差，γ(I)表示第i个互联变换器端子处直流电压在第I段的均方偏差，/>表示第个互联变换器端子处直流电压在第I段的均方偏差，表示互联变换器的数量；I＝min{i∣D(i)＞δ, D(i)＞D(i-1)}，表示起始段的索引，其中δ为预定阈值，D(i)为第i个互联变换器对应的马氏距离，D(i-1)为第i-1个互联变换器对应的马氏距离；fiffNicf1ffNicfNicfzDzzDzz所述深度学习网络预测器的全连接层结构包括级联的输入层、BLSTM层、softmax层和输出层，所述BLSTM层的输入特征数为2N，N表示微电网中存在的互联变换器数量，全连接层将BLSTM层的输出r乘以权重矩阵W，并将偏置向量b相加为：r′＝Wr+b，r′传送到softmax层，该层将softmax分类功能应用于输出层的输入：q(j)为softmax层输出，表示给定特征向量的类j的后验概率，i表示softmax层输出个数，输出层找到概率最高的类；ICIC所述深度学习网络预测器的损失函数构造为：其中，N表示训练数据集中存在的样本数，h表示应优化的所有网络参数的集合，λ表示减少过拟合的正则化系数，p(i, j；h, ρ)是给定的第j个特征序列的电压不稳定指示器等于i的概率，ρ表示初始段之后处理的故障后段的数量，系数l(i, j)为：ts其中，为分配给训练数据集j中第j个样本的故障后电压不稳定性标签。