基于PMU同步数据的电力系统暂态稳定分析方法综述

同步相位测量单元利用全球定位系统(GPS)提供的精确时间基准对电力系统的状态进行数据采集.传统的暂态稳定分析方法主要是基于各节点的异步采样数据来判断稳定.PMU的同步采样数据为电力系统的暂态稳定分析和控制提供了一条新的途径,也为传统的电力系统暂态稳定分析方法提出了改进的条件.本文首先简要介绍了相量测量单元应用现状,然后综述了PMU出现后在电力系统暂态稳定分析方面出现的新方法和取得的新进展.     

基于PMU同步数据的电力系统暂态稳定分析方法综述

同步相位测量单元利用全球定位系统 (GPS)提供的精确时间基准对电力系统的状态进行数据采集。传统的暂态稳定分析方法主要是基于各节点的异步采样数据来判断稳定。PMU的同步采样数据为电力系统的暂态稳定分析和控制提供了一条新的途径 ,也为传统的电力系统暂态稳定分析方法提出了改进的条件。本文首先简要介绍了相量测量单元应用现状 ,然后综述了PMU出现后在电力系统暂态稳定分析方面出现的新方法和取得的新进展     

基于LightGBM的电力系统暂态稳定评估方法

为了快速准确地对电力系统的运行状态进行评估,提出了基于LightGBM的电力系统暂态稳定评估方法。首先,利用基于最大信息系数的特征选择算法进行数据降维,筛选出与暂态稳定指标高度相关的关键特征。然后,使用选定特征和相应的暂态稳定指标构建数据集对评估模型进行训练。最后,在接收到来自相量测量单元的实时数据后,基于LightGBM的暂态稳定评估模型提供评估结果。在39节点系统和一个实际的1648节点系统上对所提方法进行应用与验证,结果表明所提出的基于LightGBM的暂态稳定评估方法可保证在线实际应用的时效性和准确性,能有效降低电力系统潜在的运行风险。     

基于主动学习的电力系统暂态稳定评估方法

随着泛在电力物联网概念的提出,暂态稳定在电力系统运行控制中扮演着越来越重要的角色。由于相量测量单元(Phasor Measurement Unit,PMU)的广泛配置,基于机器学习的暂态稳定实时评估方法展现出了巨大的发展潜力。针对这类方法在应用中离线训练数据生成耗时及造成的难以在网架发生变化后快速更新模型的问题,论文提出了一种基于主动学习的电力系统暂态稳定评估方法。考虑不同运行方式、不同故障下进行短时间仿真(仿真至故障切除时刻)生成无标注样本;随机选取一部分样本进行长时间仿真以标注这些样本的稳定状态,并进一步训练基于支持向量机的暂态稳定评估模型;最后循环选择剩余未标注样本中信息熵较高的部分数据进行标注对模型重新训练,直至模型准确率不再变化。在新英格兰10机39节点测试电力系统的仿真表明,论文提出的方法能够有效降低离线仿真的时间,大大提高评估模型部署的效率,并对广域噪声具有鲁棒性。     

考虑量测数据缺失的电力系统暂态稳定评估

电力系统量测数据在传输过程中可能出现缺失,进而影响现有暂态稳定评估方法的性能。为此,基于生成对抗网络(generative adversarial networks, GAN)和极限学习机(extreme learning machine, ELM),提出了一种考虑量测数据缺失的电力系统暂态稳定评估方法。首先,使用GAN生成符合真实数据分布的新数据,解决量测数据缺失问题;然后,利用ELM评估模型实现对电力系统的暂态稳定评估;最后,在新英格兰10机39节点系统上进行测试。结果表明,所提方法能够有效修复缺失数据,显著提高暂态稳定评估准确率。与其他评估模型相比,其更适用于电力系统暂态稳定评估领域,有益于基于数据驱动的暂态稳定评估方法的实际应用。     

基于MRMR-DRSN的电力系统暂态稳定评估

随着电力系统的广泛互联互通和相量测量单元（phasor measurement unit,PMU）的广泛应用,电力系统的安全运行面临着巨大挑战。为实现对电力系统运行状态快速、准确、有效的评估,提出了一种基于最大相关-最小冗余（max-relevance and min-redundancy,MRMR）准则和深度残差收缩网络（deep residual shrinkage network,DRSN）的暂态稳定评估方法。首先,利用MRMR准则进行特征选择,并将筛选后的关键特征和相应的类标签作为DRSN模型的输入和输出进行离线训练。然后,制定模型更新机制以应对电力系统运行工况变化。最后,基于PMU实时数据和训练好的DRSN,可立即提供暂态稳定评估结果。在IEEE 10机39节点系统上进行测试,结果表明,所提方法相较于其他数据驱动方法的综合评估性能更优异,同时还具有较好的抗噪性能和鲁棒性。     

基于改进深度残差收缩网络的电力系统暂态稳定评估

针对电力系统暂态稳定评估中,电力系统同步相量测量装置(PMU)量测数据在采集和传输过程可能存在噪声问题,以及由于暂态稳定与失稳样本不平衡,导致基于数据驱动的暂态稳定评估模型训练的倾向性和误判后果严重问题,提出基于改进深度残差收缩网络(IDRSN)的电力系统暂态稳定评估方法.首先将底层量测电气量构建成特征图形式作为模型输入,利用模型深层结构建立输入与稳定结果之间的映射关系.面对噪声问题,模型通过注意力机制,采用软阈值函数自动学习噪声阈值,减小噪声及无关特征干扰;并通过焦点损失函数(FL),引入权重系数修正模型训练的倾向性,利用调制因子重点关注误分类样本,提高模型训练效率和评估性能.通过新英格兰10机39节点系统进行仿真分析,所提模型能够有效减小不同程度的噪声干扰,在不平衡数据集上修正模型训练偏向性,以减少误分类样本,在不同PMU配置方案下,均取得较好评估效果.     

基于PMU实测摇摆曲线的暂态稳定量化分析

提出了用扩展等面积准则(EEAC)评估相量测量装置(PMU)实测摇摆曲线的稳定裕度的方法。EEAC已被广泛用于分析电力系统的稳定域和优化稳定控制的决策。当受扰轨迹来自仿真时，所用的模型、参数和扰动场景很可能与实际不符。PMU给出的受扰轨迹克服了这个缺点，若能使主导映象的识识及稳定裕度的计算也不依赖于数学模型和参数，就可以真实反映实际系统的暂态稳定裕度。虽然PMU量测不能反映假想的场景，不支持对控制量的决策，但评估实际轨迹的稳定裕度仍有很大意义。仿真表明，所提出的算法在系统模型和参数未知的情况下，可以快速而精确地评估PMU实测摇摆曲线的稳定裕度。     

相角-电压空间上的实用动态安全域

电力系统中的相量测量单元(PMU)可以实现电网部分相量(如节点的电压相量)的实时异地同步测量与传输.为充分发挥含PMU的广域量测系统(WAMS/PMU)在电力系统安全预警、保护与控制中的作用,研究了节点相角-电压空间上保证暂态稳定的动态安全域的边界性质.研究表明,对于既定的事故和事故前、后系统图形,相角-电压空间上实用动态安全域的临界边界同样可以用一个或极少数几个超平面近似描述.节点相角-电压空间中的实用动态安全域边界的拟合具有非常好的精度.基于这样一个安全域和WAMS/PMU提供的节点信息,可以很方便地计算出相角-电压空间的任一增长方向上的稳定裕度.也可以通过可视化,在线观察目前运行点距既定预想事故下稳定边界各个方向上的距离.     

基于PMU实测摇摆曲线的暂态稳定量化分析

提出了用扩展等面积准则（EEAC）评估相量测量装置（PMU）实测摇摆曲线的稳定裕度的方法。EEAC已被广泛用于分析电力系统的稳定域和优化稳定控制的决策。当受扰轨迹来自仿真时，所用的模型、参数和扰动场景很可能与实际不符。PMU给出的受扰轨迹克服了这个缺点，若能使主导映象的识别及稳定裕度的计算也不依赖于数学模型和参数，就可以真实反映实际系统的暂态稳定裕度。虽然PMU量测不能反映假想的场景，不支持对控制量的决策，但评估实际轨迹的稳定裕度仍有很大意义。仿真表明，所提出的算法在系统模型和参数未知的情况下，可以快速而精确地评估PMU实测摇摆曲线的稳定裕度。     

使用PMU数据检测持续振荡的多延迟自相干方法

电力系统的振荡通常预示着稳定性问题并引起对系统稳定的疑虑.为了能够及时采取有效的补救措施,早期阶段的振荡检测非常重要.以前的文章提出了使用相量测量单元(phasor measurement unit, PMU)数据来检测持续振荡的自相干方法.通过引入多个时延来扩展自相干方法,以提高振荡检测精度.使用由简单模型和标准16 机68 节点模型生成的仿真数据来评估所提出的方法的性能.测试表明所提出的多延迟方法可以有效提高振荡检测的精度.     

基于奇异值分解的PMU数据恢复法

同步相量量测单元(phasor measurement units,PMUs)因其同步性、快速性和准确性成为电网动态实时监测最有效的手段之一,并得到迅速发展。但由于通信堵塞、硬件故障、传输延迟等因素,现场PMU通常存在不同程度的数据丢失问题,严重制约其在电力系统中的应用与发展,甚至威胁电网安全。该文通过分析现场PMU量测信息,归纳了3种数据丢失类型;提出基于奇异值分解的动态数据成分分析方法,并采用盖氏圆法确定其最优特征成分数,可有效提取原始信号中各特征分量。进一步,提出基于训练、验证与丢失数据分类的数据恢复迭代计算方法,实现系统动态条件下仅利用单通道PMU量测信息的高精度数据恢复。通过仿真与实测数据验证该方法的可行性和准确性。该方法解决传统方法对系统动态信号丢失数据恢复失真的问题,为PMU量测信息更好的应用于电力系统的各个方面提供保证。     

基于双向长短期记忆网络的电力系统暂态稳定评估

为进一步提升电力系统暂态稳定评估的准确率,依据电力系统暂态过程数据的时序特性,建立了一种基于双向长短期记忆(Bi-LSTM)网络的暂态稳定评估模型。该方法通过Bi-LSTM网络建立底层量测数据与电力系统暂态稳定类别之间的非线性映射关系,采用准确率、F1指标和FPR指标综合评估Bi-LSTM网络模型性能的优劣,在此基础上,采用t分布随机近邻嵌入(t-SNE)降维方法和k最近邻(KNN)分类器进一步提升暂态稳定评估的准确率。新英格兰10机39节点系统算例表明:所提模型比传统的机器学习模型和部分深度学习模型拥有更好的评估性能。通过可视化方法和网络预测分数对评估模型进行分析,结果表明Bi-LSTM网络模型具有较强的电力系统暂态过程特征提取能力,适用于电力系统暂态稳定性的评估。进一步研究了底层输入数据的归一化模式和方法对暂态评估模型的影响,结果表明z-score归一化方法要优于min-max归一化方法,采用总维数归一化模式的模型评估性能更好。     

计及相量测量单元信息不可观性的强迫功率振荡扰动源定位

强迫功率振荡的扰动源定位是低频振荡诊断与分析中的重要问题。目前,利用相量测量单元(PMU)的数据进行扰动源位置识别已引起了一定的关注,但相关研究成果大多未考虑PMU尚无法完整配置的现状,因而难以在实际电力系统中推广应用。为此,提出了一种计及PMU信息不可观性的强迫功率扰动源定位方法,并从扰动源定位的角度出发,提出了PMU分区配置的基本要求。仿真结果表明,该方法可在PMU信息不可观的情况下准确识别扰动源位置。     

Curvature quantified Douglas-Peucker-based phasor measurement unit data compression method for power system situational awareness

Facing constraints imposed by storage and bandwidth limitations, the vast volume of phasor measurement unit (PMU) data collected by the wide-area measurement system (WAMS) for power systems cannot be fully utilized. This limitation significantly hinders the effective deployment of situational awareness technologies for systematic applications. In this work, an effective curvature quantified Douglas-Peucker (CQDP)-based PMU data compression method is proposed for situational awareness of power systems. First, a curvature integrated distance (CID) for measuring the local flection and fluctuation of PMU signals is developed. The Douglas-Peucker (DP) algorithm integrated with a quantile-based parameter adaptation scheme is then proposed to extract feature points for profiling the trends within the PMU signals. This allows adaptive adjustment of the algorithm parameters, so as to maintain the desired compression ratio and reconstruction accuracy as much as possible, irrespective of the power system dynamics. Finally, case studies on the Western Electricity Coordinating Council (WECC) 179-bus system and the actual Guangdong power system are performed to verify the effectiveness of the proposed method. The simulation results show that the proposed method achieves stably higher compression ratio and reconstruction accuracy in both steady state and in transients of the power system, and alleviates the compression performance degradation problem faced by existing compression methods.     

基于PMU和改进支持向量机算法的同调机群在线识别

鉴于现代电力系统中发生暂态稳定问题时,为了给后续的主动解列措施提供依据,需要快速准确地辨识出系统中的同调机群,基于同步相量测量单元（phasor measurement unit,PMU）实时采集的发电机动态轨迹信息具有高维度和非线性等特点,提出了一种在线识别同调机群的新方法：由PMU得到故障后发电机组的动态功角轨迹量测信息;对PMU量测信息进行标准化处理,生成标准化高维数据;利用留一交叉验证法确定Gauss径向基核函数参数g和惩罚系数C的最优取值,得到准确的分类器;使用此分类器对未知分类的样本进行分类,并得到最终的同调分群结果。仿真结果表明：该方法能有效克服传统方法识别准确率低和速度慢的缺点,能在线识别系统中的同调机群,且兼具识别的快速性和准确性,可满足现代电力系统暂态稳定的在线分析和实时计算等要求。     

Multi‐objective PMU placement optimization considering the placement cost including the current channel allocation and state estimation accuracy

The optimal phasor measurement unit (PMU) placement problem in power systems has been considered and investigated by many researchers for accurate and fast state estimation by PMUs. However, the current channel cost of the PMU affects the total placement cost. This paper proposes a novel formulation in the multi‐objective optimal PMU placement, which minimizes the PMU placement cost with the current channel selection and the state estimation error. The current channel selection is represented as a decision variable in the optimization. For trade‐off objective functions, the Pareto approach by nondominated sorting genetic algorithm II (NSGA‐II) is applied in the optimization. The result of the numerical experiment in this paper demonstrates the advantage of considering the appropriate PMU current channel allocation, compared with the conventional method that ignores it, in the modified IEEE New England 39‐bus test system. As a result, the proposed method obtained a better Pareto solution compared with the conventional one because of the consideration for the current channel selection. An advantage of the proposed PMU placement is that it is able to reduce the total PMU placement cost while maintaining the state estimation accuracy.     

兼顾元件权重和发电机同调性的山东电网PMU布点方法

在稳定计算的基础上,对于相量测量单元(phasor measurement unit,PMU)最优配置问题,进行了可观性权重设置和机组同调性分析。首先把逐点法与穷举法结合到一起形成了一种新的静态可观性改进算法,并引入了元件权重的概念来区分对不同设备可观性要求的程度;然后考虑了发电机同调性的影响,以可观性布点为基础,形成了动态可观性的布点;最后根据山东电网2006年夏季大方式的稳定计算结果,结合可观性和发电机同调性,提出了一种分阶段实施的有效PMU布点方法。     

Post-disturbance transient stabilityassessment of power systems towardsoptimal accuracy-speed tradeoff

The recent development of phasor measurement technique opens the way for real-time post-disturbance transient stability assessment (TSA). Following a disturbance, since the transient instability can occur very fast, there is an urgent need for fast TSA with sufficient accuracy. This paper first identifies the tradeoff relationship between the accuracy and speed in post-disturbance TSA, and then proposes an optimal self-adaptive TSA method to optimally balance such tradeoff. It uses ensemble learning and credible decision-making rule to progressively predict the post-disturbance transient stability status, and models a multi-objective optimization problem to search for the optimal balance between TSA accuracy and speed. With such optimally balanced TSA performance, the TSA decision can be made as fast as possible while maintaining an acceptable level of accuracy. The proposed method is tested on New England 10-machine 39-bus system, and the simulation results verify its high efficacy.