基于核支持向量機的電力系統暫態穩定評估模型

摘 要：隨著計算機技術的發展，諸多領域開始向智能化方向轉型，空間數據智能技術的應用日益受到關注。電力系統是整個電網運行的重要組成部分，也是電子元器件和電子設備的工作空間，如何對電力系統的穩定性進行評估是保證其穩定運行的關鍵。針對電力系統的暫態評估問題，融合空間數據智能技術，對樣本數據進行數據采集和特征提取模型的構建。利用支持向量機（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ，ＳＶＭ） 算法提高電力系統性能，引入核函數和馬氏距離對ＳＶＭ 算法進行優化，建立了基于核ＳＶＭ （Ｋｅｒｎｅｌ ＳＶＭ，ＫＳＶＭ） 的電力系統暫態評估模型。在電力系統數據集上進行實驗，結果表明所提模型ＫＳＶＭ 精確率為９５． ６２％ ，比卷積神經網絡算法高１１． ３６％ 。

關鍵詞：電力系統；暫態；支持向量機；核函數；馬氏距離

中圖分類號：ＴＰ３１１ 文獻標志碼：Ａ

文章編號：１００３－３１０６（２０２４）１２－２７８０－０９

０ 引言

隨著科學技術的不斷發展和國民經濟的不斷改善，電力系統穩定運行越來越受到人們的重視。隨著電力元器件的大量使用，電力系統長期處于線路負荷狀態，其安全穩定運行變得困難。如何提高系統運行穩定性，避免電力系統發生故障已成為當前研究的熱點［１］。由于電力系統設備組成復雜，目前對電力系統暫態穩定評估的精確率不足。Ａｋｈｌａｇｈｉ等［２］發現傳統的電力系統暫態和穩態監測存在算法缺陷，于是在傳統的Ｊａｙａ 算法中引入隨機向量函數鏈路網絡，構建新的算法模型。傳統的電力系統暫態評估方法無法確定運行拓撲和故障位置，因此在傳統的卷積神經網絡中加入新的關注層次動態網絡，可以減小電力系統的規模，增強神經網絡層次池的表達能力。新的神經網絡系統可以在不同場景下運行更多的電力系統模型，并且具有更強的魯棒性［３］。支持向量機（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ，ＳＶＭ）由于強大的數據處理能力和穩定的算法性能，在解決精確率低、數據量大的問題上表現出了突出優勢。在此基礎上，將ＳＶＭ 應用于電力系統暫態穩定的研究中，對暫態穩定數據進行處理［４］。同時，為了提高ＳＶＭ 性能，利用馬氏距離對ＳＶＭ 進行改進，使其在處理電力系統時更有優勢［５］，并利用核函數將輸入數據映射到高維空間中，解決非線性分類問題。改進后的ＳＶＭ 稱為核ＳＶＭ（Ｋｅｒｎｅｌ ＳＶＭ，ＫＳＶＭ），本文構建基于ＫＳＶＭ 的電力系統暫態穩定評估模型。

本文結構如下：第１ 節介紹國內外學者的最新研究成果，介紹本文的主要方法和研究目標；第２ 節對傳統ＳＶＭ 進行改進，建立基于ＫＳＶＭ 的電力系統暫態評估模型，解決系統的瞬態穩態問題；第３ 節利用算法對暫態數據進行處理，驗證算法的準確性和精確率，驗證本文所提方法相對于傳統模型的優勢；第４ 節對本文工作進行總結。

１ 相關工作

如何評價和檢測暫態穩定性是目前研究的熱點。Ｍａｓｔｏｉ 等［６］在研究中發現，風電場存在不穩定和不確定性，因此提出了一種新的評估方法來解決系統暫態穩定評估中的不穩定問題。該方法既能判斷出來自電力系統安全區域的故障數據信息，又能識別出臨界線上不同的新指數數據。結果表明，新方法的效率要高得多，而且精確率沒有下降。Ｔｚｏｕｎａｓ 等［７］認為電力系統的實時暫態評估是防止系統失穩和大規模停電的有效措施。然而，傳統的算法和網絡方法無法預測實施評估。因此，在傳統網絡的基礎上，提出了一種改進的信念網絡，可以提取損失函數的結構特征。實驗結果表明，結合新的網絡的方法在電力系統暫態穩定評估中具有更好的精確性和魯棒性。

Ｔａｎ 等［８］在研究中發現，交流故障會影響交直流混合系統的暫態穩態，導致此時系統暫態穩定性下降。為此，提出一種新的暫態評估方法，可以通過交直流混合系統的網絡結果計算能量函數，然后通過二分法得到暫態清除數據。通過數據測試發現，所提出的新方法可以對暫態數據進行分析，而且有效性很高。文獻［９］提出一種新的基于深度學習的數據驅動框架，采用卷積算法提取特征數據，并對算法的精確率進行了調整，建立了方案。實驗結果表明，新框架下的電力系統測試具有更多優勢。Ｓｈｒｉｖａｓｔａｖａ 等［１０］在對電力系統暫態穩定的研究中，為改善電力系統暫態穩定數據，提出了一種新的高效計算方法，可以分解不同模式下的本征函數，并計算出不同時間狀態下的能量變化。實驗結果表明，該方法可以提高電力系統暫態數據的精確性和效率。Ｓｈｅｎ 等［１１］提出一種新的機器學習穩定性評估方法，以提高電力系統暫態穩定性評估的精確性。實驗結果表明，新方法比傳統算法具有更好的預測精確性。

２ 基于ＫＳＶＭ 的電力系統暫態穩定方法

本節主要對樣本數據進行數據采集和特征提取模型的構建，利用ＳＶＭ 算法對其進行改進，引入核函數和馬氏距離對ＳＶＭ 算法進行優化，建立基于ＫＳＶＭ 的電力系統暫態評估模型。

２． １ 數據采集及特征提取

電力系統是整個設備的重要動力裝置。當電力系統發生斷路、短路等故障時，需要對系統進行暫態穩定分析。此時，電力系統將經歷故障前、故障中和故障后３ 個發展階段。在分析系統暫態穩定性時，數據的提取和采集是評估的重要手段［１０］。圖１ 展示了電力系統的組成和結構。

圖１ 中，電力系統由監控單元、傳感器和電源組成。供電裝置負責系統的電源輸入和阻斷，傳感器裝置負責感知功率和溫度等因素的傳輸信號和阻斷信號。監控單元還包括顯示單元和數據接收單元，數據接收單元能夠接收和反饋系統信號。傳統的系統組件相對簡單，但在系統應用中卻能發揮很大的作用，是重要的系統組件。

系統在時間和空間上的暫態穩定性可分為動態穩定性和靜態穩定性。動態穩定性是電力系統運行時的狀態特性，如此時電力系統的功率、電壓、電流等。靜態穩定性是指系統在靜態狀態下的特性，如系統相位角［１１］。為了使電力系統的采集和特征構建更加穩定和容易，在構建特征時必須滿足原始特征與暫態穩定之間的強相關性。功能的數據變化應該在一個相對穩定的水平。不同時間提取的特征需要更短的提取時間，以保證實時性，如式（１）所示：