CN119382168B 一种基于Koopman算子的暂态电压失稳识别方法 （内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司）

(12)发明专利内蒙古电力科学研究院分公司泉区锡林南路21号内蒙古电力科学研有限公司11297专利代理师蔡梦楠H02JH02J杨德宇原帅刘鸿清丛雨邢伟何芳审查员陈晓宇方法2步骤1:对目标区域进行分析，确定关键母线，通过广域量测实时获取目标区域对应系统的各关键母线电压幅值量测数据；步骤2:对所述量测数据进行预处理，确定预处理后的量测数据的动态特征，基于动态特征确定系统是否发生故障，综合所有动态特征确定系统动态特性，进而确定故障范围；步骤3:基于所述动态特性与所述故障范围确定Koopman算子数据窗口的长度，并提取Koopman算子，进而确定目标区域内对应系统的主导动态模式；步骤4:对所述主导动态模式进行时域预测，根据预测结果判断目标区域内系统的暂态电压失稳风险。2.根据权利要求1所述的一种基于Koopman算子的暂态电压失稳识别方法，其特征在于，对目标区域进行分析，确定关键母线，通过广域量测实时获取目标区域对应系统的各关根据识别需求划分出目标区域，使用电力系统的拓扑结构图，分析目标区域内的各母线的连接关系；基于所述连接关系对各母线分别进行负荷水平评估、发电能力评估以及对目标区域对应的系统的影响评估，综合所有评估结果得出第一母线；基于所述第一母线对其他母线进行灵敏度分析，基于所述灵敏度分析结果得出第二母集合所述第一母线与第二母线得出关键母线，基于所述关键母线选择广域量测设备，并根据所述广域量测设备获取各关键母线的电压幅值量测数据。3.根据权利要求2所述的一种基于Koopman算子的暂态电压失稳识别方法，其特征在于，对所述量测数据进行预处理，确定预处理后的量测数据的动态特征，基于动态特征确定从预处理后的量测数据进行时序分析，使用动态时间规整算法计算，每个时序分析结果与参考时序模式表中的所有参考时序模式的距离，根据计算出的规整距离，选择距离最小的参考时序模式作为最佳匹配；从所述最佳匹配的参考时序模式中提取动态特征，通过比较时序分析结果与所述参考时序模式的动态特征，确定潜在故障；根据所述拓扑结构图与潜在故障，锁定潜在故障区域，同时，综合所有的动态特征确定系统的动态特性；根据所述动态特性与潜在故障区域确定潜在故障的故障范围。4.根据权利要求1所述的一种基于Koopman算子的暂态电压失稳识别方法，其特征在于，基于所述动态特性与所述故障范围确定Koopman算子数据窗口的长度，并提取Koopman算子，进而确定目标区域内对应系统的主导动态模式，包括：根据所述动态特性绘制动态特性曲线，识别特性变化时间尺度，记录不同动态特性在时间上的动态表现，识别影响系统行为的关键时间点；根据特性变化时间尺度，从变化-窗口表中选择数据窗口，同时根据结合所述故障范围确定数据窗口的长度，使用所述数据窗口构建系统的状态空间；从量测数据中提取所选定数据窗口内的所有采样点对应的窗口数据，根据所述窗口数35.根据权利要求4所述的一种基于Koopman算子的暂态电压失稳识别方法，其特征在根据所述窗口数据构建数值矩阵，基于所述数值矩阵中的一行构建第一Hankel矩阵与根据所述比例因子与不同采样点处的第一Hankel矩阵与第二Hankel矩阵重新构建数6.根据权利要求4所述的一种基于Koopman算子的暂态电压失稳识别方法，其特征在对Koopman算子进行特征值分解和奇异值分解，得出特征值、右特征向量与左奇异向根据特征值的模长选择主导模式，根据每个特征值对应的右特征向量构造动态模式，7.根据权利要求1所述的一种基于Koopman算子的暂态电压失稳识别方法，其特征在根据所述主导动态模式建立时域预测模型，根据所述时域预8.根据权利要求6所述的一种基于Koopman算子的暂态电压失稳识别方法，其特征在4(k+m-1)△1之间的动态变化量的范数；表示第j个Koopman算子在时间步m△t与时间步(m-1)△1之间的动态变化的变化5技术领域[0001]本发明涉及电力系统技术领域，尤其涉及一种基于Koopman算子的暂态电压失稳识别方法。背景技术[0002]现代电网结构和运行特性的复杂化，使得以感应电动机为主的负荷在扰动后无功需求急剧增加，导致暂态电压稳定问题突出，新能源设备的并网降低了系统的动态无功储备和支撑能力，电力电子设备在低电压穿越能力有限的情况下，可能引发新能源场站脱网，威胁电网安全，传统的时域仿真法面临建模难度和计算量大的挑战，难以满足复杂电网的快速判别需求。发明内容[0003]本发明提供的一种基于Koopman算子的暂态电压失稳识别方法，通过广域量测实时获取关键母线电压数据，进行预处理以提取动态特征，判断系统故障并确定故障范围，利用Koopman算子提取主导动态模式，进行时域预测，从而评估目标区域内的暂态电压失稳风电网对新能源设备并网带来的动态挑战的应对能力，从而保障电网安全稳定运行。[0004]本发明提供一种基于Koopman算子的暂态电压失稳识别方法，包括：[0005]步骤1:对目标区域进行分析，确定关键母线，通过广域量测实时获取目标区域对应系统的各关键母线电压幅值量测数据；[0006]步骤2:对所述量测数据进行预处理，确定预处理后的量测数据的动态特征，基于动态特征确定系统是否发生故障，综合所有动态特征确定系统动态特性，进而确定故障范[0007]步骤3:基于所述动态特性与所述故障范围确定Koopman算子数据窗口的长度，并提取Koopman算子，进而确定目标区域内对应系统的主导动态模式；[0008]步骤4:对所述主导动态模式进行时域预测，根据预测结果判断目标区域内系统的暂态电压失稳风险。[0009]本发明提供一种基于Koopman算子的暂态电压失稳识别方法，对目标区域进行分析，确定关键母线，通过广域量测实时获取目标区域对应系统的各关键母线电压幅值量测[0010]根据识别需求划分出目标区域，使用电力系统的拓扑结构图，分析目标区域内的各母线的连接关系；[0011]基于所述连接关系对各母线分别进行负荷水平评估、发电能力评估以及对目标区域对应的系统的影响评估，综合所有评估结果得出第一母线；[0012]基于所述第一母线对其他母线进行灵敏度分析，基于所述灵敏度分析结果得出第二母线；6[0013]集合所述第一母线与第二母线得出关键母线，基于所述关键母线选择广域量测设备，并根据所述广域量测设备获取各关键母线的电压幅值量测数据。[0014]本发明提供一种基于Koopman算子的暂态电压失稳识别方法，对所述量测数据进行预处理，确定预处理后的量测数据的动态特征，基于动态特征确定系统是否发生故障，综合所有动态特征确定系统动态特性，进而确定故障范围，包括：[0015]从预处理后的量测数据进行时序分析，使用动态时间规整算法计算，每个时序分析结果与参考时序模式表中的所有参考时序模式的距离，根据计算出的规整距离，选择距离最小的参考时序模式作为最佳匹配；[0016]从所述最佳匹配的参考时序模式中提取动态特征，通过比较时序分析结果与所述参考时序模式的动态特征，确定潜在故障；[0017]根据所述拓扑结构图与潜在故障，锁定潜在故障区域，同时，综合所有的动态特征确定系统的动态特性；[0018]根据所述动态特性与潜在故障区域确定潜在故障的故障范围。[0019]本发明提供一种基于Koopman算子的暂态电压失稳识别方法，基于所述动态特性与所述故障范围确定Koopman算子数据窗口的长度，并提取Koopman算子，进而确定目标区域内对应系统的主导动态模式，包括：[0020]根据所述动态特性绘制动态特性曲线，识别特性变化时间尺度，记录不同动态特性在时间上的动态表现，识别影响系统行为的关键时间点；[0021]根据特性变化时间尺度，从变化-窗口表中选择数据窗口，同时根据结合所述故障范围确定数据窗口的长度，使用所述数据窗口构建系统的状态空间；[0022]从量测数据中提取所选定数据窗口内的所有采样点对应的窗口数据，根据所述窗[0023]对所述Koopman算子进行特征值分解，根据所述分解结果识别主导动态模式。[0024]本发明提供一种基于Koopman算子的暂态电压失稳识别方法，根据所述窗口数据[0025]根据所述窗口数据构建数值矩阵，基于所述数值矩阵中的一行构建第一Hankel矩阵与第二Hankel矩阵，利用所述第一Hankel矩阵与第二Hankel矩阵构造比例因子；[0026]根据所述比例因子与不同采样点处的第一Hankel矩阵与第二Hankel矩阵重新构建数据矩阵；[0027]采用观测函数将所述数据矩阵映射到状态空间，进而得到Koopman算子。[0028]本发明提供一种基于Koopman算子的暂态电压失稳识别方法，对所述Koopman算子进行特征值分解，根据所述分解结果识别主导动态模式，包括：[0029]对Koopman算子进行特征值分解和奇异值分解，得出特征值、右特征向量与左奇异向量；[0030]根据特征值的模长选择主导模式，根据每个特征值对应的右特征向量构造动态模式，使用左奇异向量计算每个动态模式的权重；[0031]整合所有的主导模式得出目标区域内系统的主导动态模式。[0032]本发明提供一种基于Koopman算子的暂态电压失稳识别方法，对所述主导动态模式进行时域预测，根据预测结果判断目标区域内系统的暂态电压失稳风险，包括：7[0037]Ad,()=(Bβ,)-¹(zw,)'x△dj-(k+m)u-△dj-(k+m-1)||表示第j个Koopman算子在时间步(k+m)△1与时间步附图说明[0043]图1是本发明实施例提供的一种基于Koopman算子的暂态电压失稳识别方法的流程示意图；8[0045]图3是本发明实施例提供的基于Koopman算子的暂态电压失稳识别方法的流程具体实施方式[0046]以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。[0047]实施例1:[0048]本发明实施例提供一种基于Koopman算子的暂态电压失稳识别方法，如图1与图3[0049]步骤1:对目标区域进行分析，确定关键母线，通过广域量测实时获取目标区域对应系统的各关键母线电压幅值量测数据；[0050]步骤2:对所述量测数据进行预处理，确定预处理后的量测数据的动态特征，基于动态特征确定系统是否发生故障，综合所有动态特征确定系统动态特性，进而确定故障范[0051]步骤3:基于所述动态特性与所述故障范围确定Koopman算子数据窗口的长度，并提取Koopman算子，进而确定目标区域内对应系统的主导动态模式；[0052]步骤4:对所述主导动态模式进行时域预测，根据预测结果判断目标区域内系统的暂态电压失稳风险。[0053]该实施例中，关键母线是综合考虑第一母线和第二母线的重要性，确定的在系统中具有关键作用的母线，比如，在某个区域，母线1和母线2共同支撑了主要负荷，因此被视为关键母线。[0054]该实施例中，广域量测设备是用于实时监测电力系统状态的设备，通常包括广域测量单元(PMU),比如，在电网中安装的PMU设备，能够实时监测各个母线的电压和频率。[0055]该实施例中，电压幅值量测数据是从广域量测设备获取的关键母线的电压幅值数[0056]该实施例中，预处理量测数据是对原始量测数据进行清洗和规范化，去除噪声和异常值，比如，从电压和电流数据中去除突发的噪声，平滑处理后得到清晰的时序数据。[0057]该实施例中，动态特性是指系统在时间域内的整体行为特征，通常反映系统在不同状态下的响应模式和稳定性。这些特性可以包括系统的频率响应、稳定性、振荡模式、衰遇故障后恢复到稳态的能力、系统的暂态稳定性(如李雅普诺夫指数);动态特征是动态特征是系统在特定时刻或特定事件下的行为指标，通常是从时序数据中提取的具体量化指电力系统中，动态特征可能包括：特定时刻的电压幅值、频率的瞬时值、某一段时间内的功率波动幅度，两者区别是动态特性是一个更广泛的概念，涵盖了系统的整体行为和响应模式；动态特征则是从动态特性中提取的具体指标，通常是针对特定事件或时刻的量化描述；动态特性用于评估和分析系统的整体性能和稳定性；动态特征用于具体的故障检测和分析，通过比较动态特征与参考模式来识别潜在故障；动态特性通常涉及较长时间尺度的响应和行为；动态特征可能是瞬时的或短时间内的行为表现。9[0058]该实施例中，确定故障范围是根据动态特性与潜在故障区域，确定潜在故障的故障范围，比如，故障范围锁定在母线B的负荷接入点，可能影响到连接的多个配电线路。[0059]该实施例中，通过对预处理后的量测数据进行时序分析，利用动态时间规整算法计算与参考时序模式的距离，选择距离最小的模式作为最佳匹配，从该模式中提取动态特征，对比分析以确定潜在故障，结合拓扑结构图锁定故障区域。[0060]该实施例中，Koopman算子是一种用于分析动态系统的线性算子，通过将非线性系统转化为线性形式来研究其动态特性，比如，通过对电力系统状态数据应用Koopman算子，提取系统的动态特征。[0061]该实施例中，主导动态模式是通过特征值分解识别出的系统主要的动态行为模[0062]该实施例中，通过绘制动态特性曲线，识别特性变化的时间尺度和关键时间点，并据此选择合适的数据窗口，结合故障范围确定窗口长度，构建系统的状态空间，从量测数据中提取窗口内的采样点，通过这些数据确定Koopman算子，并进行特征值分解，从中识别主导动态模式。[0063]该实施例中，基于该矩阵的行生成第一和第二Hankel矩阵，利用这两个矩阵计算比例因子，结合比例因子和不同采样点的Hankel矩阵重新构建数据矩阵，使用观测函数将[0064]该实施例中，基于主导动态模式建立时域预测模型，利用该模型确定最大李雅普诺夫指数的计算公式，并进行计算，若李雅普诺夫指数为负值，表明系统在目标区域内未发生暂态电压失稳；若为正值，则说明系统在故障发生后可能会发生暂态电压失稳。[0065]上述技术方案的工作原理及有益效果是：通过广域量测实时获取关键母线电压数据，进行预处理以提取动态特征，判断系统故障并确定故障范围，利用Koopman算子提取主导动态模式，进行时域预测，从而评估目标区域内的暂态电压失稳风险，快速、准确地识别电网暂态电压失稳风险，提升故障检测能力，优化电网运行决策，增强电网对新能源设备并网带来的动态挑战的应对能力，从而保障电网安全稳定运行。[0066]实施例2:[0067]本发明实施例提供一种基于Koopman算子的暂态电压失稳识别方法，对目标区域进行分析，确定关键母线，通过广域量测实时获取目标区域对应系统的各关键母线电压幅[0068]根据识别需求划分出目标区域，使用电力系统的拓扑结构图，分析目标区域内的各母线的连接关系；[0069]基于所述连接关系对各母线分别进行负荷水平评估、发电能力评估以及对目标区域对应的系统的影响评估，综合所有评估结果得出第一母线；[0070]基于所述第一母线对其他母线进行灵敏度分析，基于所述灵敏度分析结果得出第二母线；[0071]集合所述第一母线与第二母线得出关键母线，基于所述关键母线选择广域量测设备，并根据所述广域量测设备获取各关键母线的电压幅值量测数据。[0072]该实施例中，拓扑结构图是展示电力系统中各元件(如母线、变压器、输电线路等)[0073]该实施例中，连接关系是母线及其他设备之间的物理连接方式，比如，母线A通过输电线路连接到变压器B和负荷C。[0074]该实施例中，负荷水平评估是分析目标区域内各母线的负荷情况，以评估其负荷分布和运行状态，比如，评估某母线在高峰时段的负荷是否接近其额定容量；发电能力评估是评估目标区域内发电机的发电能力和响应能力，比如，确定某发电厂在特定条件下的最大输出功率；影响评估是分析特定母线故障或负载变化对整个系统的影响，比如，模拟某条输电线路故障对电压稳定性和电流分布的影响。[0075]该实施例中，第一母线是根据评估结果确定的在目标区域内具有重要性的母线，比如，在一个变电站中，母线1因其连接了多个重要负荷而被确定为第一母线。[0076]该实施例中，灵敏度分析是评估系统对输入参数变化的响应，以识别关键影响因[0077]该实施例中，第二母线是在灵敏度分析中确定的次于第一母线但仍具有重要性的母线，比如，在灵敏度分析中发现母线2对电压变化的响应较大，因此被确定为第二母线。[0078]上述技术方案的工作原理及有益效果是：通过电力系统拓扑结构图分析目标区域内母线的连接关系，评估各母线的负荷水平和发电能力，综合评估结果确定第一母线，对第一母线进行灵敏度分析以识别第二母线，最终确定关键母线，基于这些关键母线，选择广域量测设备并获取电压幅值数据，以支持后续的动态分析和故障检测，提高对电力系统关键母线的识别能力，优化资源配置，增强对电网动态行为的实时监测，提升故障预警和响应速度，从而确保电网的安全和稳定运行。[0080]本发明实施例提供一种基于Koopman算子的暂态电压失稳识别方法，对所述量测数据进行预处理，确定预处理后的量测数据的动态特征，基于动态特征确定系统是否发生[0081]从预处理后的量测数据进行时序分析，使用动态时间规整算法计算，每个时序分析结果与参考时序模式表中的所有参考时序模式的距离，根据计算出的规整距离，选择距离最小的参考时序模式作为最佳匹配；[0082]从所述最佳匹配的参考时序模式中提取动态特征，通过比较时序分析结果与所述参考时序模式的动态特征，确定潜在故障；[0083]根据所述拓扑结构图与潜在故障，锁定潜在故障区域，同时，综合所有的动态特征确定系统的动态特性；[0084]根据所述动态特性与潜在故障区域确定潜在故障的故障范围。[0085]该实施例中，时序分析是对预处理后的量测数据进行时序分析，提取时间序列特[0086]该实施例中，动态时间规整算法计算是使用DTW算法计算每个时序分析结果与参考时序模式表中的所有参考模式的距离，比如，将当前电压波动时序结果与历史正常模式[0087]该实施例中，选择最佳匹配模式是根据计算出的规整距离，选择距离最小的参考时序模式作为最佳匹配，比如，当前时序分析结果与参考模式A的距离为0.2,与模式B的距离为0.5,因此选择模式A作为最佳匹配。11[0088]该实施例中，比较动态特征是将时序分析结果的动态特征与参考时序模式的动态特征进行比较，确定潜在故障，比如，时序分析结果的10V/s,提示可能存在故障。[0089]该实施例中，锁定潜在故障区域是结合拓扑结构图与潜在故障信息，锁定故障区[0090]该实施例中，确定系统的动态特性是综合所有动态特征，分析系统的动态特性，比[0091]上述技术方案的工作原理及有益效果是：通过对预处理后的量测数据进行时序分析，利用动态时间规整算法计算与参考时序模式的距离，选择距离最小的模式作为最佳匹配，从该模式中提取动态特征，对比分析以确定潜在故障，结合拓扑结构图锁定故障区域，并综合动态特征确定故障范围，实现对电力系统动态行为的快速识别，提升故障检测的准确性和效率，增强系统对负荷变化和新能源接入带来的挑战的应对能力，从而保障电网的安全和稳定运行。[0093]本发明实施例提供一种基于Koopman算子的暂态电压失稳识别方法，基于所述动态特性与所述故障范围确定Koopman算子数据窗口的长度，并提取Koopman算子，进而确定目标区域内对应系统的主导动态模式，包括：[0094]根据所述动态特性绘制动态特性曲线，识别特性变化时间尺度，记录不同动态特性在时间上的动态表现，识别影响系统行为的关键时间点；[0095]根据特性变化时间尺度，从变化-窗口表中选择数据窗口，同时根据结合所述故障范围确定数据窗口的长度，使用所述数据窗口构建系统的状态空间；[0096]从量测数据中提取所选定数据窗口内的所有采样点对应的窗口数据，根据所述窗[0097]对所述Koopman算子进行特征值分解，根据所述分解结果识别主导动态模式。[0098]该实施例中，动态特性曲线是描述系统在不同时间点上的响应特性变化，例如电压、频率或功率的变化曲线，比如，绘制电力系统在负荷突变(如大规模用电高峰)后的电压响应曲线。[0099]该实施例中，特性变化时间尺度是系统动态特性变化的时间范围，通常指响应达到稳态或变化的速度，比如，在负荷变化后，系统电压在5[0100]该实施例中，动态表现是系统在特定时间段内的行为表现，包括瞬态响应、稳态响[0101]该实施例中，关键时间点是对系统行为影响显著的时间节点，如故障发生、恢复或重要参数变化时刻，比如，在某次故障后，系统频率在2秒内达到最低点(关键时间点)。[0102]该实施例中，系统行为是指系统在外部扰动或内部变化下的反应特性，比如，电力系统在负荷骤增时的电压波动和频率变化。[0103]该实施例中，变化-窗口表是记录系统在不同时间窗口内的变化特性和数据，比如，表格中列出每个时间窗口内的电压、频率和功率等变化数据。[0104]该实施例中，故障范围确定数据窗口的长度是根据故障发生的时间和影响范围，[0108]本发明实施例提供一种基于Koopman算子的暂态电压失稳识别[0110]根据所述比例因子与不同采样点处的第一Hankel矩阵与第二Hankel矩阵重新构的，比如，设观测函数为g(x)=x²,则对于数据矩阵中的每个元素需要经过此函数映射。[0118]上述技术方案的工作原理及有益效果是：基于该矩阵的行生成第一和第二Hankel矩阵，利用这两个矩阵计算比例因子，结合比例因子和不同采样点的Hankel矩阵重新构建数据矩阵，使用观测函数将数据矩阵映射到状态空间，从而得到Koopman算子，提高对电力系统动态行为的建模能力，准确提取系统特征，优化故障检测和预测，增强系统在复杂运行条件下的稳定性和响应能力。[0120]本发明实施例提供一种基于Koopman算子的暂态电压失稳识别方法，对所述[0121]对Koopman算子进行特征值分解和奇异值分解，得出特征值、右特征向量与左奇异[0122]根据特征值的模长选择主导模式，根据每个特征值对应的右特征向量构造动态模式，使用左奇异向量计算每个动态模式的权重；[0123]整合所有的主导模式得出目标区域内系统的主导动态模式。[0124]该实施例中，主导模式是在动态系统中，主导模式是指系统响应中最显著的动态的电压下降”,如果该模式对应的特征值模长最大，表明该模式对系统动态行为的影响最[0125]该实施例中，动态模式是动态模式是指系统在特定状态下的行为表现，通常通过右特征向量构造，反映系统的时间演变特性。[0126]该实施例中，权重是权重是指每个动态模式在系统总