基于运行数据的电力系统暂态稳定性评估及其时序特性识别

The on-line dynamic security assessment is of great significance for ensuring the secure operation of power system, and the core technology is quantitative evaluation of transient stability. The conventional on-line transient stability assessment needs large amount of calculation, which is difficult to ensure real-time analysis, and it can’t consider the influence of power system operation state sequential variation on transient stability, which leads to the lack of pertinence in preventive control. For a given presupposition faults, the transient stability of power system is directly affected by the operation state, the correlations between the operation state and transient stability are very significant for transient stability assessment and preventive control of power system. This project will combine the power system analysis theory, data analysis and artificial intelligence technology, it focuses on the generation of operation state of power system based on operation data, transient stability assessment and the method of temporal features extraction, and establishes the correlation model between the operation state of temporal evolution characteristics and transient stability margin of power system, reveals the influence of the change of operation state on transient stability. Thus, it will provide important support for the formulation of the power system preventive control strategy. The project research results are expected to guide dispatchers to quickly master the potential danger and critical parts of the power grid, which provide a new avenue for on-line transient stability assessment.

在线动态安全评估对保证电力系统安全运行具有重要意义，暂态稳定定量评估是其核心技术。常规的在线暂态稳定评估计算量大，难以保证分析的实时性，且未能考虑电力系统运行状态时序变化对暂态稳定性的影响，导致预防控制的针对性不足。在给定的预想故障下，运行状态直接影响着电力系统的暂态稳定性，研究运行状态与暂态稳定性之间的关系对电力系统暂态稳定评估和预防控制具有重要意义。本项目将结合电力系统分析理论、数据分析和人工智能技术，重点研究基于运行数据的电力系统运行状态生成、暂态稳定定量评估及其时序特征识别方法，建立电力系统运行状态时序演进特征与暂态稳定裕度时序特征之间的关联关系模型，揭示运行状态改变对暂态稳定性的影响，从而为电力系统预防控制策略制定提供重要的决策支持。项目研究成果有望指导调度运行人员快速直接掌握电网的潜在危险及主导运行变量，为在线暂态稳定分析提供一条新的途径。

暂态稳定分析是电力系统在线动态安全评估的重要内容，基于机理性建模仿真的暂态稳定分析难以满足精度和时效性要求。当前电网已装设日益完备的量测系统记录了电网全景的运行行为，为数据驱动的暂态稳定分析提供了一条新途径。新一代人工智能技术的发展也为数据驱动的暂态稳定态势预估和电网主动防御提供了有效方法。.本项目拟开展数据驱动的电力系统暂态稳定态势智能评估，主要从三个问题深入研究：如何从数据中获取电网运行的准确潮流，识别电网的稳态运行状态；电网运行潮流与暂态稳定性之间的虚拟建模，仅基于运行状态准确评估电网的暂态稳定性；基于运行数据的电网暂态稳定的时序演进特征提取及智能控制方法研究。 .主要成果：.1. 提出了数据驱动的电力系统运行状态识别架构，包括基于知识图谱与图卷积神经网络的电网拓扑智能识别方法、基于潮流计算迭代特征的潮流不收敛原因诊断方法及基于中间潮流和阻塞通道识别的潮流不收敛原因识别与自适应调整方法，实现了基于运行数据的电力系统稳态运行状态自动生成和调整，为电网暂态稳定性的计算和分析提供基础。.2. 构建了基于数据的暂态稳定虚拟映射模型，提出了基于深度学习的暂态稳定智能评估方法。在安全域下，提出基于复合神经网络的暂态稳定裕度评估方法和基于潮流图映射和深度学习的电网暂态稳定裕度评估方法，在给定预想故障集下构建稳态特征输入与暂态稳定指标之间的映射关系，有效提高了评估准确率和预测精度；在稳定域下，提出基于短时受扰轨迹的电力系统暂态稳定性评估方法，利用深度学习方法挖掘出系统故障后短时受扰轨迹与稳定性相关的关键特征，实现更为快速、可靠、准确的电力系统暂态稳定性评估。.3. 在电力系统暂态稳定时序特征识别方面，提出基于长短期记忆网络和注意力机制的暂态稳定裕度预测方法和基于时间卷积和图注意力网络的暂态稳定评估方法；在暂态稳定控制方面，提出基于短时受扰轨迹的暂态稳定紧急切机控制策略制定方法。以上研究有助于电网运行人员快速、准确地感知电网运行态势，可以巩固控制防御体系，避免发生大规模停电事故。.发表论文10篇，授权发明专利6项。.已按计划书完成全部研究任务。.关键词：暂态稳定；人工智能；时序特征；运行数据