本技术介绍了一种创新的暂态电压稳定性评估方法,该方法通过提取负荷节点的电气量时序数据,并进行稳定性标注以构建评估样本集。该技术采用支持向量机(SVM)替代传统多变量决策树中的内部决策节点,以提高评估的准确性和效率。
背景技术
随着高比例电力电子设备的接入和新能源渗透率的逐步增加,电网规模不断扩大、运行方式更加复杂多变,新型电力系统的暂态电压稳定性问题愈发复杂。暂态电压稳定问题具有明显的分区特性,常规的机器学习评估模型往往只给出全局的暂态电压稳定情况,这样的结果相对粗糙,评估结果的信息有限,因此需要更为精细化的暂态电压稳定评估模型和判据。
针对上述问题,现有技术中,大量学者进行了一系列研究并得出相应的解决方案。朱利鹏、黄玮芝、侯杰等人在现有文献1(专利号:CN202410185252.X)中,针对现有技术对暂态电压失稳机理的信息学习不足、机器学习评估模型的准确性较低等问题,提出一种基于阻抗信息学习的电网暂态电压稳定评估方法,即通过关键负荷节点的电气量时序轨迹计算得到负荷阻抗时序轨迹和戴维南等值阻抗时序轨迹作为暂态样本集并构建卷积神经网络进行暂态电压稳定评估。李莉、秦昌龙、李广等人在现有文献2(专利号:CN202310357325.4)中针对现有暂态电压分析方法难以适用大规模互联系统的问题,提出了一种基于辛普森公式的互联系统暂态电压评估方法,充分考虑电压跌落的累计效应,基于辛普森公式制定了一种不依赖于电网模型参数的暂态电压稳定性指标。
发明目的
本发明的目的是为了解决现有暂态电压稳定评估技术的准确性较低、判别规则不明确的问题,本发明提出一种新型暂态电压稳定评估方法,较现有技术准确性提高,且判据集合更丰富。
实现思路