在线电力系统安全评估:基于数据流随机森林的方法
1. 问题提出
为了在安全范围内监控电力系统,数据采集与监控(SCADA)系统是主要的测量工具,而状态估计器则是传统的后处理工具。电力系统的紧急控制和运行控制面临着诸多挑战,现有的紧急控制理念主要采用应对意外干扰和参数偏差的控制方法,但这些方法往往无法“预测”当前情况的可能发展,仅在紧急情况或偏差发生时采取行动,难以实施必要且及时的控制措施。同时,不同本地设备的容错能力低和缺乏协调可能导致级联故障。
运行控制涉及紧急情况“预测”的概念,可通过手动、自动或半自动方式实现,但在关键情况下,操作员可能无法迅速采取有效措施。现有的控制理念缺乏从运行控制到有效紧急控制的平滑过渡程序,以及提高本地控制容错性和适应性的算法。
为了解决这些问题,我们提出构建电力系统状态的通用分类器,通过处理系统的特殊安全指标来检测危险的预故障状态并预测紧急情况。集成方法是解决分类问题的常用方法,其中随机森林是一种有效的集成方法,它通过组合多个决策树来提高分类准确性和稳定性。
2. 现有应急和运行控制方法
2.1 电压和无功功率的应急控制
传统上,电压和无功功率的应急控制通过以下本地自动化实现:
- 紧急情况下提供急剧无功功率增加的本地自动化(自动电压调节器(AVR)和柔性交流输电系统(FACTS)设备的励磁强制);
- 防止欠电压的本地自动化,在不可接受的电压下降时切换无功功率源或切除负载(欠电压负载切除功能);
- 提供平滑二次电压调节的本地自动负载分接头变换器。
然而,这些本地无功控制存在一些缺点。例如,欠电压自动化的智能水平较低,仅使用本地信