基于wams的電網(wǎng)單一大擾動在線檢測方法
【專利摘要】本發(fā)明公開基于WAMS的電網(wǎng)單一大擾動在線檢測方法，包括以下步驟：步驟1)、獲取信息；步驟2)、擾動檢測；步驟3)、信息融合；步驟4)、診斷決策。本發(fā)明擾動檢測的方法的算法簡便，檢測速度此較快，精確度此較高，尤其是利用了PMU提供的精確的相角信息，對擾動是否發(fā)生進行了檢測，解決了單一大擾動是否發(fā)生的判定問題。同時針對上傳信息具有一定的錯誤概率，結(jié)合WAMS和SCADA上傳的數(shù)據(jù)，利用數(shù)據(jù)融合理論對擾動是否真的發(fā)生進行驗證，解決了由于錯誤上傳信息引起大擾動發(fā)生判斷結(jié)果錯誤的問題。
【專利說明】
基于WAMS的電網(wǎng)單一大擾動在線檢測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及電網(wǎng)故障檢測技術(shù)領(lǐng)域，尤其涉及一種基于WAMS的電網(wǎng)單一大擾動在 線檢測方法。
【背景技術(shù)】
[0002] 西電東送、全國聯(lián)網(wǎng)"工程的大力建設(shè)，讓我國的電網(wǎng)建設(shè)邁入了蓬勃發(fā)展的新階 段。"十二五"期間，國家電網(wǎng)準備投入5000億元到智能電網(wǎng)的初步建設(shè)中，智能電網(wǎng)（smart power grids)就是指將電網(wǎng)智能化，它是以高速雙向的通信網(wǎng)絡(luò)為基礎(chǔ)進行建設(shè)的，利用 先進的設(shè)備、測量方法、傳感技術(shù)、控制方法與決策系統(tǒng)等技術(shù)，使電網(wǎng)的運行更加地安全 可靠、經(jīng)濟環(huán)保，智能電網(wǎng)還有著可以抵抗供給、保證用戶的用電需求、可以接入多種形式 的發(fā)電，并且能讓電力市場可以高效化地運行等優(yōu)點。以我國目前的建設(shè)情況來看，在2015 年就能夠基本完成信息化并且自動化的智能電網(wǎng)的初步建設(shè)，電網(wǎng)的跨區(qū)互聯(lián)使電網(wǎng)中的 資源配置得到優(yōu)化，運行效率得到提高，更加智能化。
[0003] 在現(xiàn)如今的大規(guī)模復(fù)雜電力系統(tǒng)中，各種類型的擾動無處不在。電力系統(tǒng)中的擾 動就是指因為系統(tǒng)運行中的某些運行條件突然發(fā)生變動而引起的電壓、電流、頻率、功率等 的波動。智能電網(wǎng)中所存在的擾動由影響程度可分為電網(wǎng)大擾動以及小擾動。電網(wǎng)小擾動 即電氣量變化幅度不大且持續(xù)時間較長的擾動，通常小擾動的產(chǎn)生是因為個別的發(fā)電機以 及負荷的加入與切除或者是發(fā)電機轉(zhuǎn)速發(fā)生了小的變化。電網(wǎng)大擾動是指電氣量變化幅度 較大但持續(xù)時間短暫，在很大程度上會影響電網(wǎng)的運行的擾動。通常大擾動的產(chǎn)生是由大 容量的發(fā)電機或負荷等電力系統(tǒng)主要元件的加入與切除引起的，也可能是短路故障造成 的。由于電力系統(tǒng)是一個龐大且繁雜的動態(tài)系統(tǒng)。通常個別發(fā)電機或負荷的加入與切除對 電力系統(tǒng)穩(wěn)定性造成的影響相對較小，因此本文不對小干擾進行具體研究。而當電力系統(tǒng) 有大擾動出現(xiàn)時，整個系統(tǒng)將不可避免的出現(xiàn)很大程度的狀態(tài)偏移和振蕩，而且大擾動是 無時不在，并且出現(xiàn)關(guān)聯(lián)現(xiàn)象，只要有一個地點產(chǎn)生某種大擾動，就很有可能會將波動傳遞 到周邊區(qū)域，引起電力系統(tǒng)產(chǎn)生新的波動，致使其他區(qū)域也發(fā)生大擾動。如此，電網(wǎng)大擾動 的影響范圍就會不斷增大，如若不第一時間采取正確的措施去抑制擾動，就很有可能導(dǎo)致 區(qū)域內(nèi)全部停電的嚴重后果。
[0004] 當電網(wǎng)中有擾動發(fā)生時，電力系統(tǒng)保護裝置就會發(fā)出信號告知調(diào)度人員，相關(guān)工 作人員就可以及時解決故障問題，快速還原，保障系統(tǒng)平穩(wěn)運行。盡管如此，近幾年來，大區(qū) 域范圍內(nèi)停電事件時有發(fā)生，為居民的生活帶來了嚴重的不便，造成這種結(jié)果的原因有很 多，主要原因是電力系統(tǒng)保護裝置不夠完善，含有一定的缺陷。相關(guān)資料顯示:世界范圍內(nèi) 近7成的大面停電事件是由電力系統(tǒng)保護裝置的操作不當所引起，本應(yīng)成為電力系統(tǒng)運行 維護者的保護裝置，卻因為裝置的不完善給電力系統(tǒng)的穩(wěn)定運行帶來了威脅。當電網(wǎng)發(fā)生 大擾動時，如果保護裝置不夠完善，沒有及時做出正確的動作，必將引發(fā)電力系統(tǒng)發(fā)生連鎖 反應(yīng)，并快速蔓延最終導(dǎo)致電網(wǎng)崩潰[15]，給智能電網(wǎng)帶來嚴重性的后果。
[0005] 分析國內(nèi)外停電事故的典型案例，雖然有保護系統(tǒng)不夠完善、保護裝置做出錯誤 動作等不利因素，但在電網(wǎng)發(fā)生大擾動前后，缺少一個對全局統(tǒng)一的電網(wǎng)狀態(tài)分析方式，導(dǎo) 致電力維護人員不能第一時間發(fā)現(xiàn)電網(wǎng)中出現(xiàn)擾動，更不能夠迅速做出正確有效的對策來 抑制擾動更進一步蔓延。準確判斷出電網(wǎng)是否有擾動發(fā)生，并當擾動發(fā)生時發(fā)出報警信息， 就可以提醒電力維護人員，迅速采取相應(yīng)手段進行控制，以抑制事故范圍更深一步蔓延，這 對電力系統(tǒng)安全平穩(wěn)運行起到非常重要的作用。第一時間發(fā)現(xiàn)電力系統(tǒng)中有擾動發(fā)生，同 時在源頭處將擾動點控制住，這種方法會極大的提升電網(wǎng)的平穩(wěn)運行性能。綜上，通過對 電網(wǎng)信息進行實時監(jiān)控來判斷電網(wǎng)中是否有擾動發(fā)生對維護電力系統(tǒng)平穩(wěn)運行具有很重 要的意義。
[0006] 對智能電網(wǎng)中出現(xiàn)的大擾動進行檢測，其包括判斷擾動是否發(fā)生以及確定擾動發(fā) 生的精準時刻兩部分。因為電網(wǎng)擾動的類型較多，影響電網(wǎng)的安全可靠運行的程度也各不 相同，所以，在對電網(wǎng)中發(fā)生的擾動進行檢測時可以將研究重點放在對電網(wǎng)影響較大且影 響范圍較大的大擾動上。傳統(tǒng)的擾動檢測方法大體上的思路是對一些變化的電氣量進行數(shù) 學(xué)分析，找出突變點，從而確定擾動的發(fā)生和發(fā)生的時刻。但是現(xiàn)有的方法大多耗時長、滿 足不了在線進行檢測的要求。隨著廣域測量系統(tǒng)(Wide Area Measurement System)的逐步 建設(shè)，有學(xué)者提出了充分利用廣域測量系統(tǒng)上傳的信息對電網(wǎng)大擾動進行在線檢測的設(shè) 想。擾動發(fā)生時，WAMS的控制中心可以通過分布于全網(wǎng)的PMU測量信息獲得擾動前后的系統(tǒng) 狀態(tài)量、電氣量等相關(guān)信息以及各種報警提示。這些看似復(fù)雜的信息能夠?qū)崟r的反映出電 網(wǎng)運行的狀態(tài)，由于PMU上傳的所有數(shù)據(jù)都帶有嚴格意義上的統(tǒng)一時標(精確到毫秒），能夠 反映同一時間點上的斷面信息，可依據(jù)發(fā)生擾動期間電網(wǎng)中電壓、電流、功率等電氣量突變 信息直接推斷，其簡單、快捷的特點滿足了在線檢測的需求，從而為在線檢測電力系統(tǒng)中是 否有擾動找到了突破口。因為廣域測量系統(tǒng)上傳的數(shù)據(jù)所用時間是所有信息源中最短的 (時間在毫秒級），這使它能在電網(wǎng)發(fā)生擾動的初期最先將電網(wǎng)中的信息傳遞給電網(wǎng)維護人 員，從而實現(xiàn)擾動的在線檢測。綜上，利用WAMS采集的信息來完成電網(wǎng)擾動的在線檢測有著 深遠的實際意義的。
[0007] 因為電網(wǎng)的規(guī)模在日益壯大，通過全網(wǎng)的數(shù)據(jù)和信息去進行電網(wǎng)大擾動的研究是 現(xiàn)在的一個研究趨勢。因為技術(shù)、理論等各項條件的約束，目前對這方面技術(shù)的研究還處 于起步階段。所謂電網(wǎng)大擾動在線檢測就是通過一定的工具來監(jiān)視某些電網(wǎng)中的信息數(shù) 據(jù)，比如電氣量(電壓、電流、功角以及頻率等），觀察數(shù)據(jù)是否發(fā)生變化，以及發(fā)生變化所對 應(yīng)的時間。以便于工作人員快速地采取措施從而降低大擾動對電網(wǎng)的安全運行所帶來的不 利影響。綜上所述智能電網(wǎng)的在線檢測的主要工作就是檢測擾動是否發(fā)生以及擾動發(fā)生精 確時間。
[0008] 近幾年來，各位學(xué)者在擾動檢測方面做出了大量的研究，并取得了一定的進展，所 提出的擾動檢測方案大體可分為兩類:基于時頻分析的方法和基于非時頻分析的方法，具 體是以下幾種；
[0009] (1)傅里葉變換法
[0010] (2)小波變換法
[0011] (3)時域分析法
[0012] (4)數(shù)理統(tǒng)計的方法
[0013] (5)人工智能方法
[0014] (6)基于WAMS的擾動檢測方法
[0015]國家電網(wǎng)在2006年制定了《電力系統(tǒng)實時動態(tài)監(jiān)測系統(tǒng)技術(shù)規(guī)范》，推動了廣域測 量系統(tǒng)的發(fā)展。隨著廣域測量系統(tǒng)在國家電網(wǎng)中的迅速發(fā)展，加上其可以對電網(wǎng)動態(tài)進行 實時監(jiān)測，因此在廣域測量系統(tǒng)的基礎(chǔ)上對電網(wǎng)擾動進行檢測是一個新的研究方向。關(guān)于 電網(wǎng)大擾動檢測的研究起步比較晚，現(xiàn)有的大部分研究方法，編程困難、計算強度大，所選 擾動判據(jù)物理量單一，容易造成誤判，無法滿足實際需求。目前，對擾動檢測的研究大多停 留在理論部分，還沒有做到充分考慮實際運行的需求，也沒有充分地利用所采集到的信息。 所以，綜合利用全網(wǎng)上傳的信息來對電網(wǎng)擾動進行研究，進而提出一種可行有效的基于廣 域測量系統(tǒng)的電網(wǎng)擾動的檢測方法，對電網(wǎng)安全穩(wěn)定地運行具有極大的實際應(yīng)用意義。

【發(fā)明內(nèi)容】

[0016] 本發(fā)明正是基于以上一個或多個問題，提供一種基于WAMS的電網(wǎng)單一大擾動在線 檢測方法。
[0017] 本發(fā)明通過下述技術(shù)方案解決上述技術(shù)問題：
[0018] 基于WAMS的電網(wǎng)單一大擾動在線檢測方法，包括以下步驟：
[0019] 步驟1)、獲取信息：
[0020] 從WAMS系統(tǒng)的中實時提取各個監(jiān)測點可以表征電網(wǎng)運行狀態(tài)的相量信息；
[0021] 從SCADA系統(tǒng)提取開關(guān)量信息；
[0022] 所述電氣量信息包括電壓幅值和電壓相角；
[0023] 所述開關(guān)量信息包括開關(guān)是否動作和開關(guān)電流是否變化至零；
[0024]步驟2)、擾動檢測：
[0025] 采用支持向量機的方法進行基于電氣量變化的擾動檢測方法對電網(wǎng)中是否有擾 動進行檢測；
[0026] 基于開關(guān)量的檢測方法對電網(wǎng)中是否有擾動進行檢測；
[0027]步驟3)、信息融合：
[0028]采用D-S證據(jù)理論對步驟2)兩種檢測方法的檢測結(jié)果進行信息融合；
[0029] 步驟4)、診斷決策：
[0030] 對信息融合結(jié)果進行分析，最后判定電網(wǎng)是否有擾動發(fā)生。
[0031] 進一步的，
[0032] 步驟2)中采用支持向量機的方法進行基于電氣量變化的擾動檢測方法包括以下 步驟：
[0033] 步驟2.1.1:采用基于小波分析理論中malIat算法對采集到的相量信息進行去噪 預(yù)處理；
[0034]步驟2.1.2:把預(yù)處理后得到的數(shù)據(jù)分為正常運行時的數(shù)據(jù)，和發(fā)生擾動后的數(shù) 據(jù)，輸入到支持向量機算法中進行訓(xùn)練，通過訓(xùn)練得到支持向量機擾動檢測模型，訓(xùn)練后將 數(shù)據(jù)分為兩類:電網(wǎng)正常運行時的信息，判定值設(shè)置為1;正常運行以外的信息，判定值設(shè)置 為-1;
[0035]步驟2.1.3:把要檢測的數(shù)據(jù)輸入到支持向量機擾動檢測模型中，判斷擾動是否發(fā) 生，并顯示擾動發(fā)生時的擾動發(fā)生時間，其中，當輸入數(shù)據(jù)在正常運行范圍內(nèi)，判定值輸出 為1，即電網(wǎng)中無擾動發(fā)生；當輸入數(shù)據(jù)不在正常運行范圍內(nèi)，判定值輸出為-1，即電網(wǎng)中有 擾動發(fā)生。
[0036] 進一步的，
[0037]步驟2)中基于開關(guān)量的檢測方法是，依據(jù)遙信類信息和遙測類信息對開關(guān)量動作 判定表進行查詢判定。
[0038] 進一步的，
[0039] 所述步驟3)中的信息融合的方法是：
[0040] 設(shè)定基于WAMS上傳的電氣量的檢測結(jié)果的可信度為0.9,基于SCADA上傳的開關(guān)量 變化情況的檢測結(jié)果的可信度為〇. 8;
[0041] F的基礎(chǔ)概率分配為：
[0042]
[0043]
[0044]
[0045] 其中Xji = F，或F ,j = l，....，M，i = l，2。
[0046] 進一步的，
[0047] 所述步驟4)中對信息融合結(jié)果進行分析進行擾動檢測結(jié)果判決的準則為：
擾動發(fā)生
[0048] 無擾動發(fā)吞
[0049] 本發(fā)明實施例提供的基于WAMS的電網(wǎng)大擾動識別方法，相較于現(xiàn)有技術(shù)，具有如 下有益效果：
[0050] 1.由于PMU可以提供電氣量的相角信息，利用采集到的相角信息，結(jié)合幅值信息， 能夠很容易的實現(xiàn)大擾動是否發(fā)生的判定。
[0051] 2.結(jié)合擾動前后幅值和相角所發(fā)生的變化情況，把支持向量機算法引入到擾動檢 測中，可以對大擾動是否發(fā)生迅速判斷。
[0052] 3.針對實際電網(wǎng)中，由PMU上傳的數(shù)據(jù)可能會是錯誤信息，如果對上傳的錯誤數(shù)據(jù) 進行檢測，就會得出錯誤的結(jié)論。同時，在目前的電網(wǎng)中PMU測點一般情況下只是安裝在 220KV及其以上的電壓等級的母線和重要線路中，測點較少，電網(wǎng)信息表征地不全面這類問 題，本申請采用多源信息融合方法中D-S證據(jù)理論方法結(jié)合SCADA上傳的開關(guān)量進行檢測， 最終判定電網(wǎng)中是否有擾動發(fā)生，減少錯判和誤判的概率。
[0053] 4擾動檢測的方法的算法簡便，檢測速度比較快，精確度比較高，尤其是利用了 PMU 提供的精確的相角信息，對擾動是否發(fā)生進行了檢測，解決了單一大擾動是否發(fā)生的判定 問題。同時針對上傳信息具有一定的錯誤概率，結(jié)合WAMS和SCADA上傳的數(shù)據(jù)，利用數(shù)據(jù)融 合理論對擾動是否真的發(fā)生進行驗證，解決了由于錯誤上傳信息引起大擾動發(fā)生判斷結(jié)果 錯誤的問題。
【附圖說明】
[0054]圖1是本發(fā)明基于WAMS的電網(wǎng)單一大擾動在線檢測方法流程圖；
[0055] 圖2是本發(fā)明基于WAMS的電網(wǎng)單一大擾動在線檢測方法的擾動檢測具體流程圖；
[0056] 圖3是實施例1中3及9節(jié)點保護系統(tǒng)圖；
[0057] 圖4是實施例1中PMU采集到的幅值的變化；
[0058] 圖5是實施例1中PMU采集到的相角的變化；
[0059 ]圖6是實施例2中PMU采集到的幅值的變化；
[0060] 圖7是實施例2中PMU采集到的相角的變化；
[0061] 圖8是實施例3中繼電保護線路圖；
[0062 ]圖9是實施例3中PMU采集到的幅值的變化；
[0063 ]圖10是實施例3中PMU采集到的相角的變化。
【具體實施方式】
[0064]下面結(jié)合附圖和實施例對本發(fā)明進行詳細說明。需要說明的是，如果不沖突，本發(fā) 明實施例以及實施例中的各個特征可以相互結(jié)合，均在本發(fā)明的保護范圍之內(nèi)。
[0065]實施例1:短路仿真
[0066]以3機9節(jié)點系統(tǒng)的擾動算例，3機9節(jié)點系統(tǒng)如圖3所示。利用MATLAB軟件選取3機9 節(jié)點系統(tǒng)的幾種擾動的典型算例作為輸入數(shù)據(jù)進行仿真。在基于支持向量機的算法中繼續(xù) 選擇BUSl母線的電壓幅值和相角作為擾動檢測的監(jiān)視母。
[0067]設(shè)置線路Linel發(fā)生短路擾動，Bus5母線側(cè)主保護動作，母線Bus4側(cè)保護未動，斷 路器CB4沒有斷開，相鄰線路line2第二后備保護工作，斷路器CBl斷開。同時，圖4、5由PMU上 傳的電壓幅值和相角的變化情況，此時SCADA上傳的信息如表3。采用信息融合的方法對電 網(wǎng)中是否發(fā)生擾動進行判定得表1。
[0068]表1SCADA采集到的信息
[0070]基于電氣量的檢測過程為表2所示。
[0071] 表2擾動檢測過程
[0073] 檢測結(jié)果為系統(tǒng)在3.71時發(fā)生擾動報警，報警顯示時間為3.71S。
[0074] 基于開關(guān)量的檢測結(jié)果為：通過表3開關(guān)量信息智能判別查詢表，得出的結(jié)論為 Bus5母線側(cè)主保護，Line2第二后備保護，CBl的保護動作是有效的，電網(wǎng)中有擾動發(fā)生。
[0075] 表3開關(guān)量信息智能判別查詢表

[0078]對兩種擾動檢測方法的結(jié)果，采用多源信息融合理論進行信息融合： [0079]表4信息融合數(shù)據(jù)
[0081 ]表4融合結(jié)果表明：W(F) > W(P)。檢測結(jié)果為3.71秒，電網(wǎng)中確實發(fā)生擾動。
[0082]實施例2:PMU上傳錯誤的信息
[0083] 假設(shè)從PMU上傳的數(shù)據(jù)是包含一定錯誤信息，從PMU，SCADA上傳的數(shù)據(jù)如圖6、7，得 表5,采用信息融合的方法對電網(wǎng)中是否發(fā)生擾動進行判定。
[0084] 表5SCADA采集到的信息
[0086] 基于電氣量的檢測過程如表6所示。
[0087] 表6擾動檢測過程
[0089]基于電氣量的檢測結(jié)果為系統(tǒng)在2.15時發(fā)生擾動報警，報警顯示時間為2.15S。
[0090] 基于開關(guān)量的檢測方法的結(jié)果為:在2.15秒內(nèi)，保護元件沒有發(fā)生動作，電網(wǎng)中沒 有擾動發(fā)生。
[0091] 對兩種擾動檢測方法的結(jié)果，采用多源信息融合理論進行信息融合后的結(jié)果如表 7所示。
[0092] 耒7佶M融合教抿
[0094]融合結(jié)果表明：W(F) < W(P)。檢測結(jié)果為2.15秒，電網(wǎng)中沒有擾動發(fā)生，PMU上傳 了錯誤信息。
[0095]實施例3:油田電網(wǎng)單一大擾動檢測
[0096]某油田內(nèi)的變電站以及輸電電壓等級比較復(fù)雜，某油田電網(wǎng)的電壓等級有110kV、 66kV和35kV等幾個電壓等級。由于油田電網(wǎng)的龐大性及復(fù)雜性，在對其進行仿真驗證前先 對某油田電網(wǎng)某變區(qū)進行點線式線路簡化，如圖8給出了某油田的保護線路圖。
[0097] 某火炬變經(jīng)由雙回線為風云變以及星火變供電，風云變下面帶北五變，北十變，北 十九變，北III-2變，北二十變，北七變，星火變下面帶中五變，北^^一變，北十七變，中十三 變，中九變，中一變，中十七變，北II-4變，其中供給北II-4變的輸電線路為備用線，各變電 站往下繼續(xù)帶負荷，一般是其他變電站的備用電。
[0098] 設(shè)置在風云變和星火變處安裝PMU，對整個油田電網(wǎng)某變區(qū)進行監(jiān)測，通過對實 際電網(wǎng)基礎(chǔ)參數(shù)的采集，計算得到某油田電網(wǎng)某變區(qū)正常運行是的電壓數(shù)據(jù)。
[0099] 本實施例選取風云變到火炬變甲線的電壓幅值和相角作為擾動檢測的監(jiān)測對象。 分別對電壓幅值和電壓相角的數(shù)據(jù)進行訓(xùn)練，建立擾動檢測模型，訓(xùn)練過程如表8所示。
[0100] 表8桄動數(shù)據(jù)訓(xùn)練討稈

[0103] 擾動檢測模型建立后，為了驗證本文所提出的方法對不同類型的擾動都有很好的 檢測效果，在不同地點做不同擾動的仿真，并對擾動前后的數(shù)據(jù)進行檢測，驗證本方法的 有效性。
[0104] 首先以北十變處為例，對北十變處發(fā)生切機擾動時，PMU采集到的電壓幅值和相角 的變化情況如圖9、10所示，此時SCADA上傳的信息如表9所示。
[0105]表9SCADA采集到的信息
[0107] 基于電氣量的檢測過程如表10所示。
[0108] 表10擾動檢測過程
[0110] 檢測結(jié)果為系統(tǒng)在19:41:07時發(fā)生擾動報警，報警顯示時間為19:41:07。
[0111] 基于開關(guān)量的檢測結(jié)果為:通過表3開關(guān)量信息智能判別查詢表，得出的結(jié)論為北 十處主保護，風云處主保護，線路風云到火炬遠后備保護，斷路器CB3、CB4動作有效。
[0112] 對兩種擾動檢測方法的結(jié)果，采用多源信息融合理論進行信息融合后的結(jié)果見表 11所示。
[0113] 表11信息融合數(shù)據(jù)
[0115] 融合結(jié)果表明：叫^ > M(P)，電網(wǎng)中確實發(fā)生擾動。
[0116] 檢測結(jié)果為：當19:41:07時，所監(jiān)視線路的電壓幅值和電壓相角發(fā)生突變，同時保 護裝置的動作時有效的。即電網(wǎng)中確實發(fā)生大擾動，檢測出發(fā)生擾動后系統(tǒng)自動報警，并顯 示擾動開始時間為19:41:07。
[0117] 通過上述實施例的測試可以看出基于開關(guān)量和電氣量的多源信息融合的擾動檢 測器在實際電網(wǎng)的應(yīng)用中是可以對電網(wǎng)大擾動進行檢測。從仿真驗證的結(jié)果來看，本申請 所提出的擾動檢測方法對電網(wǎng)擾動檢測是有效的、可行的。
[0118] 以上所述僅為本發(fā)明的實施方式，并非因此限制本發(fā)明的專利范圍，凡是利用本 發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運用在其他相關(guān)的 技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護范圍內(nèi)。
【主權(quán)項】
1. 基于WAMS的電網(wǎng)單一大擾動在線檢測方法，包括w下步驟： 步驟1)、獲取信息： 從WAMS系統(tǒng)的中實時提取各個監(jiān)測點可W表征電網(wǎng)運行狀態(tài)的電氣量的相量信息； 從SCADA系統(tǒng)提取開關(guān)量信息； 所述電氣量信息包括電壓幅值和電壓相角； 所述開關(guān)量信息包括開關(guān)是否動作和開關(guān)電流是否變化至零； 步驟2)、擾動檢測： 采用支持向量機的方法進行基于電氣量變化的擾動檢測方法對電網(wǎng)中是否有擾動進 行檢測； 基于開關(guān)量的檢測方法對電網(wǎng)中是否有擾動進行檢測； 步驟3)、信息融合： 采用D-S證據(jù)理論對步驟2)兩種檢測方法的檢測結(jié)果進行信息融合； 步驟4)、診斷決策： 對信息融合結(jié)果進行分析，最后判定電網(wǎng)是否有擾動發(fā)生。2. 如權(quán)利要求1所述的基于WAMS的電網(wǎng)單一大擾動在線檢測方法，其特征是： 步驟2)中采用支持向量機的方法進行基于電氣量變化的擾動檢測方法包括W下步驟： 步驟2.1.1:采用基于小波分析理論中mallat算法對采集到的相量信息進行去噪預(yù)處 理； 步驟2.1.2:把預(yù)處理后得到的數(shù)據(jù)分為正常運行時的數(shù)據(jù)，和發(fā)生擾動后的數(shù)據(jù)，輸 入到支持向量機算法中進行訓(xùn)練，通過訓(xùn)練得到支持向量機擾動檢測模型，訓(xùn)練后將數(shù)據(jù) 分為兩類：電網(wǎng)正常運行時的信息，判定值設(shè)置為1;正常運行W外的信息，判定值設(shè)置為- 1; 步驟2.1.3:把要檢測的相量數(shù)據(jù)輸入到支持向量機擾動檢測模型中，判斷擾動是否發(fā) 生，并顯示擾動發(fā)生時的擾動發(fā)生時間，其中，當輸入數(shù)據(jù)在正常運行范圍內(nèi)，判定值輸出 為1，即電網(wǎng)中無擾動發(fā)生；當輸入數(shù)據(jù)不在正常運行范圍內(nèi)，判定值輸出為-1，即電網(wǎng)中有 擾動發(fā)生。3. 如權(quán)利要求1所述的基于WAMS的電網(wǎng)單一大擾動在線檢測方法，其特征是： 步驟2)中基于開關(guān)量的檢測方法是，依據(jù)遙信類信息和遙測類信息對開關(guān)量動作判定 表進行查詢判定。4. 如權(quán)利要求1-3任一權(quán)利要求所述的基于WAMS的電網(wǎng)單一大擾動在線檢測方法，其 特征是:所述步驟3)中的信息融合的方法是： 設(shè)定基于WAMS上傳的電氣量的檢測結(jié)果的可信度為0.9，基于SCADA上傳的開關(guān)量變化 情況的檢測結(jié)果的可信度為0.8; F的基礎(chǔ)概率分配為：F的基礎(chǔ)概率分配為：其中Xji=F，或F ,j = l，....，M，i = l，2。5.如權(quán)利要求4所述的基于WAMS的電網(wǎng)單一大擾動在線檢測方法，其特征是:所述步驟 4)中對信息融合結(jié)果進行分析進行擾動檢測結(jié)果判決的準則為：
【文檔編號】G06K9/62GK105844542SQ201610207363
【公開日】2016年8月10日
【申請日】2016年3月30日
【發(fā)明人】高金蘭, 李宏玉, 徐建軍, 閆麗梅, 任爽, 劉超, 黃雨晴, 陳永康
【申請人】東北石油大學(xué)