基于小波變換的電力營配系統暫態穩定性智能分析方法

王登峰，陳銀江，張軍喜，雷鵬舉，李學斌

（1.國網寧夏電力有限公司，寧夏 銀川 750001；2.北京中電普華信息技術有限公司，北京 100085）

電力營配系統的主要任務是處理電力營銷過程中出現的故障、營銷權限等一些具有爭議性的問題，提高電力企業的營銷效果以及應用效果[1-2]。系統在運行過程中容易出現錯誤，因此電力營配系統暫態穩定性尤為重要，一旦系統失去暫態穩定性，那么電力營配系統將不具有任何意義[3]。

傳統的電力營配系統暫態穩定性智能分析方法只對電力營配系統的暫態特征進行一次提取，導致電力營配系統暫態特征的有效性降低了，使電力營配系統暫態穩定性智能分析結果出現偏差，極易出現無法挽回的損失[4]。

該文基于電力營配系統暫態穩定性的原理，對電力營配系統暫態進行兩次特征提取，并構建系統暫態穩定性評估模型，保證電力營配系統暫態穩定性智能分析結果的準確性。

1 暫態穩定性智能評估分析

1.1 分折電力營配系統暫態穩定規律

電力營配系統的穩定性是平衡電力各種發電機的輸入機械轉矩和輸出電磁轉矩之間的穩定性，保證電力設備按照一定的轉速進行工作，促使電力系統穩定運行，如果電力設備的轉速或者其他參數發生微小變化，就會導致電力營配系統的暫態穩定性出現波動，一旦波動持續，電力營配系統會失去穩定性，產生周期性混亂[5]。電力營配系統暫態穩定規律如圖1 所示。

圖1 電力營配系統暫態穩定規律

電力運行與配電系統暫態穩定原理的實質是電力運行與配電系統的運行特性，主要表現為擺動曲線形式。當電力運行和配電系統處于暫態穩定狀態時，擺動曲線將根據電力設備的轉速和功角形成周期性的擺動曲線，即當系統處于非暫態穩定狀態時，電力設備的擺度曲線為非周期曲線[6-7]。電力營配系統暫態不穩定軌跡如圖2 所示。

圖2 電力營配系統暫態不穩定軌跡

電力設備在運行過程中，原動機對軸系施加機械轉矩，使發電機產生電磁轉矩，當受到外界干擾后，若機械轉矩大于電磁轉矩，則存在加速轉矩。在設備加速轉矩形成的同時，會出現設備間的摩擦力、空氣阻力、摩擦損耗，進而加快或者降低設備的運轉速度，所以根據機械質量守恒原理，綜合設備運行影響因素，設計電力營配系統設備的凈加速轉矩計算公式，如下所示：

其中，Tm表示原動機對軸系施加機械轉矩；Te表示電磁轉矩；J表示設備轉子慣量；Ta表示設備加速度；ωm表示發電機轉子的機械角速度[8]。

電力營配系統的功角對系統暫態穩定性起到一個約束的作用，當功角的數值在搖擺曲線的極值處，則表示電力系統內部處于一個暫態穩定性的狀態，但是一旦功角處于搖擺曲線的其他位置，則系統處于暫態穩定性失衡的狀態。功角的有效范圍為0°～180°，功角為90°時系統處于最佳暫態穩定性，電力營配系統的功角趨近于90°表示系統的暫態穩定性平穩，趨近于0°表示系統的暫態穩定性失衡于電力系統機械功率，當功角趨近于180°時，代表系統暫態穩定性失衡于電力功效。具體功角的計算公式如下所示：

其中，H表示慣用時間常數；ω0表示轉子角速度；表示相對于同步旋轉坐標系的轉子角位移；表示設備平均機械轉矩；表示平均電磁轉矩。

綜合對電力營配系統加速轉矩的轉速和功角計算分析，最終搖擺曲線的規律公式如下所示：

其中，Pm表示電力營配系統總輸出功率；Pe表示電力營配系統有效功率；其他參數與上文意義相同[9-10]。

1.2 構建智能評估模型

該文通過支持向量特征方法完成電力營配系統暫態穩定性特征的提取，提取過程如下：

在電力營配系統的所有特征中隨機提取一個特征輸入，訓練出一個特征向量形式，然后將此特征在電力系統特征序列表中清除，則支持向量額特征的的權向量將發生變化，根據電力系統參數的變化大小確定相應特征的重要程度[11-12]。將各個全變量進行遞歸處理，每個周期去除一個多余的特征向量，以此得出剩余的特征向量，再重復此操作，計算出其他的特征向量，最終得到系統暫態穩定性特征的排序列表。

根據支持向量特征提取原理，得出的提取目標函數如下所示：

其中，n表示系統特征個數；h表示信號頻譜幅值。

綜合電力營配系統暫態穩定性目標特征函數和評估錯分率，歸納出最終的狀態評估模型如下所示：

其中，α表示正確的分辨率；k表示kappa 的統計值；u表示特征向量所表示積分的面積；∈1、∈2表示錯分率。

根據以上評估模型可得出4 種電力暫態穩定性狀態結果，如表1 所示。

表1 暫態穩定性狀態結果

既然是評估模型就一定存在評估正確和錯誤兩種結果，所以該文為了提高評估模型的準確率，在特征目標函數的基礎上增加一個錯分率疊加判斷。錯分率是評估結果的一個界限，并且該文采用兩次評估的共同結果作為最終的評估結果，它可以有效地避免評估模型在評估過程中出現誤差情況的發生。文中設計的錯分率有兩種類型，第一類錯誤概率是初次評估電力營配系統暫態為穩定性，而第二次評估電力營配系統暫態為非穩定性[13-14]。第二類錯誤概率是初次評估電力營配系統暫態為非穩定性，而第二次評估電力營配系統暫態為穩定性，具體表現公式如下所示：

其中，p(x|ω1)表示第一類樣本分布概率密度函數；p(x|ω2)表示第二類樣本分布概率密度函數。

2 暫態穩定性智能分析方法

2.1 小波變換算法分析

小波變換算法也被稱為CWT，物理學家根據小波變換理論和函數可以自由平移和伸縮的特點，將小波函數根據實際情況進行不同尺度的信號變換，變換計算公式如下所示：

其中，a表示函數的不同尺度；φ表示函數的極值；τ表示函數移動位移的長度；x（t）表示小波變換函數的待分析信號。

小波變換函數的對應頻域函數公式如下所示：

其中，X（ω）表示小波變換后傅里葉函數；ω表示函數的相位。

小波變換算法的應用要滿足一定的函數條件，小波變換函數面向的對象無論是什么，變換函數尺度越小表示信號變化過程中的冗余信息量越小，變換效率越高，對應函數的變化頻域范圍越大[15]。

2.2 智能分析流程

根據小波變換算法和電力營配系統暫態穩定性原理以及電力營配系統暫態穩定性智能評估模型，該文總結出完整的基于小波變換的電力營配系統暫態穩定性智能分析方法流程，具體過程如圖3 所示。

圖3 基于小波變換的電力營配系統暫態穩定性智能分析流程

1）對需要分析的電力營配系統通過支持向量特征方法提取特征值，將提取的特征列表帶入文中構建的電力營配系統暫態穩定性評估模型中，評估電力營配系統所處的暫態穩定狀態；

2）根據實際情況采集電力營配系統的模擬信號以及離散數字信號，計算出小波變換函數諧波的振幅、相位等相關參數，構建小波變換函數；

3）根據小波變換函數完成電力營配系統信號的智能分析，分解出信號的頻帶和基波分量，利用小波變換函數和系統暫態評估模型完成電力營配系統暫態穩定性的評估[16]。

3 實驗分析

通過以上分析，完成基于小波變換的電力營配系統暫態穩定性智能分析方法的研究，為了檢驗此分析方法是否具有意義，該文進行了對比實驗完成驗證，文中采用的對比實驗是基于多屬性決策樹的電網暫態穩定規則提取方法（傳統方法），共同完成實驗分析。

為了保證實驗的公正性和科學性，該文將對同一個數據庫中的兩個電力運行和配電系統同時進行相同情況下的暫態穩定分析實驗。用兩臺計算機將新的分析方法輸入到每臺計算機的數據庫中。工作人員將提前檢查兩種分析方法的運行環境，以防止實驗過程中的事故和影響，實驗結果如圖4 所示。由于人工記錄的數據會有一定的誤差，該文通過兩種分析方法連接的計算機，記錄和監控了智能化電力運行和配電系統暫態穩定分析方法的分析過程。測試結束后，自動匯總測試的相關數據，如分析時間、分析準確度等，評價結果以表格的形式呈現。

圖4 分析時長實驗結果

分析結果實驗誤差如表2 所示。

表2 分析結果實驗誤差

實驗結果表明，兩個分析方法都提交分析結果為指令，結束實驗，開始清算實驗數據，最終得出的實驗結果是基于小波變換的電力營配系統暫態穩定性智能分析方法比傳統的基于多屬性決策樹的電網暫態穩定規則提取方法用時短，并且分析結果準確性高。

該文在實驗前，最大限度地排除了影響實驗的干擾因素，使實驗結果具有一定的意義。總體而言，基于小波變換的智能暫態穩定分析方法的各個過程具有很強的相關性，提高了分析方法的效率。產生這種結果的主要原因是在傳統分析方法的過程中，該文加入了一種智能化的電力運行與配電系統暫態穩定評估模型，將特征選擇法和權向量算法相結合，完成了電力運行與配電系統暫態穩定的初始特征評估，為電力系統暫態穩定的智能分析方法提供了準確的分析數據。此外，該文還利用小波變換算法建立了配電系統暫態穩定評估模型的混淆矩陣。如果在評估中存在誤差，通過該過程可以檢測出誤差，提高了配電系統暫態穩定智能分析結果的準確性。綜上所述，基于小波變換的智能暫態穩定分析算法意義重大，分析結果準確有效。

4 結束語

研究了基于小波變換的配電系統暫態穩定智能分析方法，并通過實驗分析，驗證了該文分析方法比傳統分析方法更為準確，達到了預期的效果，促進了配電系統的發展。