周召平,陈 杰,刘 川,刘颂凯
(武汉大学 电气工程学院,湖北 武汉 430072)
由于静态电压稳定性在很多停电事故中有着重要的角色,因而已经成为电力系统安全运行的重要研究内容。目前在研究静态电压稳定性方面,有着一些评估和预测电网在静态稳定下的最大有功负荷量的方法。常规的方法是以一个初始状态点开始,通过逐步地增加负荷和发电机出力然后进行潮流计算直到极限点,连续潮流法就是基于这个思想。因此,可以在PSS/E中通过Python语言编程模拟负荷和发电机出力的增长[1]。这种编程的方式的优势在于可以实现不同方式的负荷增长形式和发电机出力增长形式。
静态电压稳定性评估是电力系统安全的重要内容,具有复杂性、非线性和在线监测的需要。文献[2]和[3]采用了专家系统,所使用的输入特性都是基于通用的经验和知识。显然,这种固定的知识经验选择不是最优的,有时可能并不适合于其他结构的电力系统。文献[4-6]将人工神经网络用于在线电压稳定评估或稳定裕度评估,有较好的准确度。然而其输入特征的选择依靠于不同组合的尝试与对比,没有特定的算法来支撑。在不同的电力系统情况下,这种组合尝试可能显得没有效率。
本文首先通过PSS/E中的大量仿真建立一个包含各种电力系统变量和静态电压稳定相对裕度的大数据集,数据集里有这些变量在多种潮流运行状态下的数值;然后利用MIC和PCC探索每个系统变量与稳定相对裕度之间的关系,进行评分和排名;……