数据驱动的风电经柔直送出系统宽频振荡风险评估方法与流程

本发明涉及风电并网系统宽频振荡风险评估，尤其涉及数据驱动的风电经柔直送出系统宽频振荡风险评估方法。

背景技术：

1、已有的宽频振荡风险评估方法大多针对特定工况，由于风速的随机性，风电并网系统工况不确定性大，特定工况下的稳定性分析难以反映实际风电并网系统的振荡风险。为此，需要开展概率稳定性评估。概率稳定性分析指的是根据影响系统稳定的随机因素的统计特性来确定系统的概率稳定指标。

2、目前主要有模拟法与解析法两类方法。解析法将系统的特征值表示为随机变量的函数，由随机变量的概率分布近似推导特征值的概率分布。该方法通常需要对系统模型进行简化，因而降低了计算精度。模拟法一般借助蒙特卡洛法对系统可能的运行状态进行抽样，该方法可以计及多种随机因素，但需要对系统重复进行潮流计算与稳定性分析，计算量大，难以适用于大规模复杂系统。

技术实现思路

1、本发明的主要目的在于提供一种涉及数据驱动的风电经柔直送出系统宽频振荡风险评估方法。

2、本发明的另一个目的在于提出涉及数据驱动的风电经柔直送出系统宽频振荡风险评估装置。

3、本发明的第三个目的在于提出一种电子设备。

4、本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

5、为达上述目的，本发明第一方面实施例提出了涉及数据驱动的风电经柔直送出系统宽频振荡风险评估方法，包括：

6、s1，构建宽频振荡稳定性评估模型，将各风电场单台风力发电机组的输出有功功率组合作为输入特征，通过训练后的神经网络模型输出系统是否振荡稳定的判定结果；

7、s2，获取多风电场的历史风速数据并训练生成对抗网络，利用训练完成的生成器生成符合历史分布特征的多样化多风电场风速场景序列；

8、s3，基于风力发电机组的风速与有功功率转换关系，将生成的多样化多风电场风速场景序列转换为对应的系统运行状态抽样数据集合；

9、s4，将系统运行状态抽样数据集合中的各运行状态样本输入至宽频振荡稳定性评估模型进行稳定性判定，统计不满足宽频振荡稳定约束的样本数量占样本总数的比例，得到宽频振荡风险系数。

10、可选的，构建宽频振荡稳定性评估模型，将各风电场单台风力发电机组的输出有功功率组合作为输入特征，通过训练后的神经网络模型输出系统是否振荡稳定的判定结果，包括：

11、将系统中各风电场的单台风力发电机组输出有功功率作为输入，组合成大量不同的工况，对于每个工况，根据宽频振荡稳定性分析方法判断其稳定性，构建包含输入向量与输出标签的数据集，其中输入向量为各风电场单台风力发电机组输出的有功功率组成的序列，输出标签为系统是否振荡稳定；

12、搭建多层前馈神经网络模型，根据经验设置隐藏层数和各层神经元个数，将交叉熵作为损失函数，采用反向传播算法结合梯度下降策略实现模型参数的迭代优化，直至模型收敛得到训练后的神经网络模型；

13、利用训练后的神经网络模型对输入特征进行计算，输出系统在当前状态下预测为振荡稳定或不稳定的概率，并将概率较大的一类作为最终的评估结果。

14、可选的，获取多风电场的历史风速数据并训练生成对抗网络，利用训练完成的生成器生成符合历史分布特征的多样化多风电场风速场景序列，包括：

15、收集风电经柔直送出系统内多个风电场的同期历史风速数据，将每个样本表示为多维时间序列或多点位风速矩阵，其中多维时间序列为各风电场在同一时间段的风速序列；

16、对原始数据进行归一化处理，构建用于训练生成对抗网络的训练样本集；构建由生成器g和判别器d组成的生成对抗网络，其中生成器g的输入为随机噪声向量且输出为合成的风速样本，判别器d的输入为真实样本或生成样本且输出该样本为真实数据的概率；

17、采用交替优化策略训练生成器和判别器，使生成器逐渐学习到多风电场风速数据的统计特性，训练完成后固定生成器g以用于生成符合历史分布特征的多样化风速场景。

18、可选的，基于风力发电机组的风速与有功功率转换关系，将生成的多样化多风电场风速场景序列转换为对应的系统运行状态抽样数据集合，包括：

19、设定所需场景数量为，从先验分布中随机采样个噪声向量，其中取值为；

20、将所述噪声向量输入训练好的生成器，得到对应的风速场景：

21、

22、在最大风能跟踪控制策略下，依据风力发电机组的额定风速、切入风速、切出风速以及额定有功功率，利用风速-功率转换关系将每个风速场景中各风电场的风速转换为单台风力发电机组输出的有功功率；

23、将所有风电场的单台风力发电机组输出有功功率进行组合，形成风电经柔直送出系统运行状态的抽样数据集合。

24、可选的，将系统运行状态抽样数据集合中的各运行状态样本输入至宽频振荡稳定性评估模型进行稳定性判定，统计不满足宽频振荡稳定约束的样本数量占样本总数的比例，得到宽频振荡风险系数，包括：

25、遍历所述系统运行状态抽样数据集合中的每一个运行状态样本，将其输入至所述宽频振荡稳定性评估模型，根据宽频振荡稳定性判定准则判断该样本是否满足宽频振荡稳定约束；

26、统计集合中宽频振荡不稳定的样本个数和宽频振荡稳定的样本个数；

27、计算宽频振荡不稳定样本占所有样本总数的比例，得到宽频振荡风险系数：

28、

29、其中，宽频振荡风险系数越大表明系统面临的宽频振荡风险越高。

30、为达上述目的，本发明第二方面实施例提出了一种涉及数据驱动的风电经柔直送出系统宽频振荡风险评估装置，包括：

31、构建模块，用于构建宽频振荡稳定性评估模型，将各风电场单台风力发电机组的输出有功功率组合作为输入特征，通过训练后的神经网络模型输出系统是否振荡稳定的判定结果；

32、训练模块，用于获取多风电场的历史风速数据并训练生成对抗网络，利用训练完成的生成器生成符合历史分布特征的多样化多风电场风速场景序列；

33、转换模块，用于基于风力发电机组的风速与有功功率转换关系，将生成的多样化多风电场风速场景序列转换为对应的系统运行状态抽样数据集合；

34、判定模块，用于将系统运行状态抽样数据集合中的各运行状态样本输入至宽频振荡稳定性评估模型进行稳定性判定，统计不满足宽频振荡稳定约束的样本数量占样本总数的比例，得到宽频振荡风险系数。

35、关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

36、为达上述目的，本技术第三方面实施例提出了一种电子设备，包括：处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如第一方面实施例所述的涉及数据驱动的风电经柔直送出系统宽频振荡风险评估方法。

37、为达上述目的，本技术第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所述的涉及数据驱动的风电经柔直送出系统宽频振荡风险评估方法。

38、本发明实施例的具有以下有益效果：

39、本发明定义了宽频振荡风险系数，可以用于评估系统在计及风电等不确定因素下的宽频振荡风险；基于数据驱动方法建立了风电经柔直送出系统宽频振荡稳定性评估模型，进而进行宽频振荡稳定校验，显著提高了计算效率；基于gan生成多风电场风速场景，模拟风电经柔直送出系统的运行状态，可以真实反映系统在多种随机因素下的运行状态。