本發(fā)明涉及新型電力系統(tǒng)的動態(tài)響應(yīng)分析，尤其涉及一種新型電力系統(tǒng)的電網(wǎng)動態(tài)等值方法及系統(tǒng)。

背景技術(shù)：

1、動態(tài)響應(yīng)分析對新型電力系統(tǒng)的穩(wěn)定性研究具有重要意義。然而，因其原始模型復(fù)雜而詳細(xì)地建模，進(jìn)行這種類型的分析在計算上要求很高。實際上，只需要將電力系統(tǒng)的某一部分作為研究的主要重點，定義為研究區(qū)域，系統(tǒng)的其余部分稱為外部區(qū)域，其結(jié)構(gòu)和內(nèi)部參數(shù)并不需要重點關(guān)注。為了簡化動態(tài)分析的過程，將外部區(qū)域替換為簡化的等值模型，并保證簡化模型應(yīng)與原始模型具有相似的動態(tài)特性。

2、目前，關(guān)于電網(wǎng)動態(tài)等值的研究，傳統(tǒng)方法主要有：(1)同調(diào)等值法，包括相關(guān)機(jī)群識別、網(wǎng)絡(luò)化簡和相關(guān)機(jī)群參數(shù)聚合三部分，基于發(fā)電機(jī)轉(zhuǎn)子同擺模擬暫態(tài)穩(wěn)定分析的動態(tài)曲線；(2)模型等值法，通過建立外部系統(tǒng)的微分方程，然后將其線性化得到狀態(tài)方程，進(jìn)一步得到降階狀態(tài)方程。此外，隨著同步相量測量技術(shù)（phasor?measurtment?unit，pmu）在新型電力系統(tǒng)中的廣泛應(yīng)用，基于實測數(shù)據(jù)的參數(shù)辨識也被認(rèn)為是獲得電網(wǎng)等值模型參數(shù)的有效方法。雖然前者在理論上是嚴(yán)謹(jǐn)?shù)?，但是需要整個系統(tǒng)的詳細(xì)模型和參數(shù)進(jìn)行復(fù)雜的計算，且對于新能源滲透率逐漸增加的新型電力系統(tǒng)來說，其動態(tài)響應(yīng)機(jī)理和模式更加復(fù)雜。而后者可以應(yīng)用于運(yùn)行條件和結(jié)構(gòu)快速變化的系統(tǒng)，但是缺乏理論基礎(chǔ)，且容易陷入過擬合問題。

3、因此，在新型電力系統(tǒng)中新能源場站接入場景下，現(xiàn)有技術(shù)存在動態(tài)響應(yīng)機(jī)理的計算更加復(fù)雜且智能算法參數(shù)辨識優(yōu)化易陷入過擬合的問題。

技術(shù)實現(xiàn)思路

1、為了解決上述技術(shù)問題，本發(fā)明的目的是提供一種新型電力系統(tǒng)的電網(wǎng)動態(tài)等值方法及系統(tǒng)，能夠簡化動態(tài)響應(yīng)機(jī)理的計算復(fù)雜度，規(guī)避參數(shù)辨識優(yōu)化易陷入過擬合的問題。

2、本發(fā)明所采用的第一技術(shù)方案是：一種新型電力系統(tǒng)的電網(wǎng)動態(tài)等值方法，包括以下步驟：

3、獲取新型電力系統(tǒng)的原始模型，并劃分研究區(qū)域和外部區(qū)域；

4、在所述研究區(qū)域內(nèi)預(yù)設(shè)擾動場景，建立擾動場景數(shù)據(jù)集；

5、基于所述外部區(qū)域中的機(jī)組到所述研究區(qū)域節(jié)點的電氣距離確定聚類族數(shù)；

6、基于所述聚類族數(shù)、所述擾動場景數(shù)據(jù)集和機(jī)組特性參數(shù)對所述外部區(qū)域進(jìn)行聚類劃分，得到簡化模型；

7、基于改進(jìn)的縱橫交叉算法對所述簡化模型的參數(shù)進(jìn)行循環(huán)迭代優(yōu)化，直至達(dá)到終止條件，得到最優(yōu)的簡化模型及其參數(shù)。

8、進(jìn)一步，所述基于所述外部區(qū)域中的機(jī)組到所述研究區(qū)域節(jié)點的電氣距離確定聚類族數(shù)這一步驟，其具體包括：

9、計算所述外部區(qū)域中的各同步機(jī)組及新能源場站到所述研究區(qū)域最近節(jié)點的轉(zhuǎn)移電抗，得到轉(zhuǎn)移電抗數(shù)據(jù)；

10、計算所述轉(zhuǎn)移電抗數(shù)據(jù)的平均值和標(biāo)準(zhǔn)差；

11、基于所述平均值和標(biāo)準(zhǔn)差將所述轉(zhuǎn)移電抗數(shù)據(jù)進(jìn)行劃分，得到劃分后的數(shù)據(jù)集；

12、基于劃分后的數(shù)據(jù)集的空集數(shù)量確定聚類族數(shù)。

13、進(jìn)一步，所述基于所述聚類族數(shù)、所述擾動場景數(shù)據(jù)集和機(jī)組特性參數(shù)對所述外部區(qū)域進(jìn)行聚類劃分，得到簡化模型這一步驟，其具體包括：

14、基于所述擾動場景數(shù)據(jù)集中的同步機(jī)組功角時序數(shù)據(jù)集，計算外部區(qū)域中的各同步機(jī)組功角的擺幅均值和失穩(wěn)次數(shù)；

15、基于所述各同步機(jī)組功角的擺幅均值、失穩(wěn)次數(shù)、額定容量、穩(wěn)態(tài)電抗和暫態(tài)電抗，通過k-means聚類算法和所述聚類族數(shù)對所述外部區(qū)域進(jìn)行聚類劃分，得到第一聚類劃分結(jié)果；

16、基于所述擾動場景數(shù)據(jù)集中的新能源場站并網(wǎng)點電壓時序數(shù)據(jù)集，計算外部區(qū)域中的各新能源場站并網(wǎng)點電壓的電壓跌落程度均值和進(jìn)入低壓的穿越次數(shù)；

17、基于所述各新能源場站并網(wǎng)點的電壓跌落程度均值、進(jìn)入低壓的穿越次數(shù)、新能源類型、額定容量和定轉(zhuǎn)子電抗，通過k-means聚類算法和所述聚類族數(shù)對所述外部區(qū)域進(jìn)行聚類劃分，得到第二聚類劃分結(jié)果；

18、基于第一聚類劃分結(jié)果和第二聚類劃分結(jié)果合并所述外部區(qū)域的機(jī)群，得到簡化模型。

19、進(jìn)一步，所述基于改進(jìn)的縱橫交叉算法對所述簡化模型的參數(shù)進(jìn)行循環(huán)迭代優(yōu)化，直至達(dá)到終止條件，得到最優(yōu)的簡化模型及其參數(shù)這一步驟，其具體包括：

20、初始化改進(jìn)的縱橫交叉算法參數(shù)，并確定簡化模型的迭代優(yōu)化參數(shù)；

21、基于電壓-頻率偏離系數(shù)構(gòu)建動態(tài)響應(yīng)相似度的指標(biāo)；

22、基于所述動態(tài)響應(yīng)相似度的指標(biāo)和縱向交叉概率對種群分別執(zhí)行橫向交叉和縱向交叉，記錄最優(yōu)的動態(tài)響應(yīng)相似度的指標(biāo)值并更新種群；

23、循環(huán)迭代直至達(dá)到終止條件，輸出最優(yōu)的簡化模型及其參數(shù)。

24、進(jìn)一步，所述動態(tài)響應(yīng)相似度的指標(biāo)，其表達(dá)式如下：

25、

26、其中，表示動態(tài)響應(yīng)相似度的指標(biāo)；表示擾動場景下研究節(jié)點的電壓-頻率偏離系數(shù)；表示擾動場景數(shù)量；表示研究節(jié)點數(shù)量；表示采樣測量次數(shù)；表示擾動場景下研究節(jié)點的第次采樣測量電壓；表示擾動場景下研究節(jié)點的電壓平均值；表示擾動場景下研究節(jié)點的第次采樣測量頻率；表示擾動場景下研究節(jié)點的頻率平均值；表示電壓-頻率偏離系數(shù)矩陣；表示使用簡化模型在擾動場景下研究節(jié)點的第次采樣測量電壓；表示使用簡化模型在擾動場景下研究節(jié)點的第次采樣測量頻率。

27、進(jìn)一步，所述縱向交叉，其表達(dá)式如下：

28、

29、其中，表示縱向交叉產(chǎn)生的新粒子；表示隨機(jī)選取的維度為的粒子；表示隨機(jī)選取的維度為的粒子；表示范圍上的隨機(jī)數(shù)；表示種群規(guī)模大?。槐硎玖Ｗ?；表示種群維度；表示取范圍內(nèi)的自然數(shù)；表示同步機(jī)組等值機(jī)個數(shù)；和分別表示粒子的兩個不同維度編號。

30、進(jìn)一步，所述縱向交叉概率由粒子所包含參數(shù)的數(shù)據(jù)混亂程度決定，其表達(dá)式如下：

31、

32、其中，表示縱向交叉概率；表示分割系數(shù)；表示種群規(guī)模大?。槐硎痉N群維度；表示粒子包含參數(shù)的組間協(xié)方差矩陣；表示粒子包含參數(shù)的組內(nèi)協(xié)方差矩陣；表示矩陣的跡。

33、本發(fā)明所采用的第二技術(shù)方案是：一種新型電力系統(tǒng)的電網(wǎng)動態(tài)等值系統(tǒng)，包括：

34、區(qū)域劃分模塊，用于獲取新型電力系統(tǒng)的原始模型，并劃分研究區(qū)域和外部區(qū)域；

35、擾動模塊，用于在所述研究區(qū)域內(nèi)預(yù)設(shè)擾動場景，建立擾動場景數(shù)據(jù)集；

36、聚類族數(shù)確認(rèn)模塊，基于所述外部區(qū)域中的機(jī)組到所述研究區(qū)域節(jié)點的電氣距離確定聚類族數(shù)；

37、聚類劃分模塊，基于所述聚類族數(shù)、所述擾動場景數(shù)據(jù)集和機(jī)組特性參數(shù)對所述外部區(qū)域進(jìn)行聚類劃分，得到簡化模型；

38、交叉優(yōu)化模塊，基于改進(jìn)的縱橫交叉算法對所述簡化模型的參數(shù)進(jìn)行循環(huán)迭代優(yōu)化，直至達(dá)到終止條件，得到最優(yōu)的簡化模型及其參數(shù)。

39、本發(fā)明方法、系統(tǒng)的有益效果是：本發(fā)明通過計算轉(zhuǎn)移電抗數(shù)據(jù)的平均值和標(biāo)準(zhǔn)差，完成對外部區(qū)域的初步劃分；通過外部區(qū)域中的機(jī)組到研究區(qū)域節(jié)點的電氣距離確定聚類族數(shù)，并結(jié)合擾動場景數(shù)據(jù)集和機(jī)組特性參數(shù)對外部區(qū)域完成進(jìn)一步的細(xì)化聚類，得到簡化模型；采用改進(jìn)的縱橫交叉算法對簡化模型的參數(shù)進(jìn)行循環(huán)迭代優(yōu)化，直至達(dá)到終止條件，得到最優(yōu)的簡化模型及其參數(shù)；最終，最優(yōu)的簡化模型及其參數(shù)能夠?qū)崿F(xiàn)簡化動態(tài)響應(yīng)機(jī)理的計算復(fù)雜度，規(guī)避參數(shù)辨識優(yōu)化易陷入過擬合。