基于XGBOOST-PSO提高受端电网电压暂态稳定的发电机无功优化方法.pdf

第51 卷 第13 期 电力系统保护与控制电力系统保护与控制 Vol.51 No.13 2023年7 月1 日 Power System Protection and Control Jul.1,2023 DOI:10.19783/ki.pspc.221743 基于 XGBOOST-PSO 提高受端电网电压暂态稳定的 发电机无功优化方法 郭 培1,2，陈 波3，高云超1,2，谌艳红4，刘 柳3，彭晓涛1,2(1.综合能源电力系统装备及系统安全湖北省重点实验室，湖北 武汉 430072；2.武汉大学电气与自动化学院，湖北 武汉 430072；3.国网江西省电力有限公司电力科学研究院，江西 南昌 330096；4.国网江西省电力有限公司，江西 南昌 330096)摘要：考虑发电机稳态输出无功对其支撑暂态电压恢复稳定能力的影响，基于机器学习研究优化发电机稳态输出无功提高电压对故障扰动保持暂态稳定能力的预防控制方法。该方法采用加权多二元表暂态稳定裕度指标量化母线暂态电压对不同预想故障扰动的综合稳定裕度，并基于指标排序确定稳定裕度薄弱母线。同时基于发电机无功调节对预想故障下各薄弱母线电压暂态稳定裕度综合作用灵敏度排序，选择作用灵敏发电机。在利用 XGBoost 建立根据系统稳态特征向量预测薄弱母线暂态电压稳定的分类模型基础上，以系统对预想故障扰动保持暂态电压稳定为约束、以减小发电机稳态无功调节对网损产生影响为目标，基于潮流计算寻优灵敏发电机稳态输出无功，以提高薄弱母线的暂态电压稳定性。最后采用雅湖直流接入江西电网的 PSASP 计算模型验证了所提方法的有效性。关键词：暂态电压稳定；XGBoost；综合暂态电压稳定裕度；无功调节综合灵敏度；发电机无功优化 A generator reactive power optimization method based on XGBOOST-PSO to improve the voltage transient stability of a receiving terminal network GUO Pei1,2,CHEN Bo3,GAO Yunchao1,2,CHEN Yanhong4,LIU Liu3,PENG Xiaotao1,2(1.Key Laboratory for Hubei Province Integrated Energy Power System Equipment and System Security,Wuhan 430072,China;2.School of Electrical Engineering and Automation,Wuhan University,Wuhan 430072,China;3.State Grid Jiangxi Electric Power Co.,Ltd.Research Institute,Nanchang 330096,China;4.State Grid Jiangxi Electric Power Co.,Ltd.,Nanchang 330096,China)Abstract:Considering the effect of generator steady-state output reactive power on the ability to support transient voltage recovery stability,preventive control through optimizing that power to improve the ability of grid maintaining transient voltage stability under severe fault disturbance is studied based on machine learning.The method uses a weighted multi-binary table transient stability margin index to quantify the comprehensive stability margin of bus transient voltages to different expected fault disturbances.Then it determines the bus with weak stability margin based on the index ranking.At the same time,based on the comprehensive action sensitivity ranking of generator reactive power regulation on the voltage transient stability margin of each weak bus under the expected fault,the action sensitive generator can be determined.Then an XGBoost classification model for predicting transient voltage stability based on the system steady-state characteristics vector is developed.This considers the constraint of grid voltage maintaining transient stability under expected severe fault.It has the objective of reducing the impact on grid active power loss caused by generator reactive power.A regulation method of using power flow calculation to optimize the steady-state reactive power output of the sensitive generator is proposed.Finally,the validity of the proposed method is verified based on the PSASP calculation model for Yahu DC transmission fed-in Jiangxi power grid.This work is supported by the National Natural Science Foundation of China(No.52237004).Key words:voltage transient stability;XGBoost;comprehensive transient voltage stability margin;comprehensive sensitivity of reactive power regulation;generator reactive power optimization 基金项目：国家自然科学基金项目资助(52237004)；江西电网公司科技项目资助(52182020008J)郭 培，等 基于 XGBOOST-PSO 提高受端电网电压暂态稳定的发电机无功优化方法 -149-0 引言 直流输电在减小受端电网发电机并网运行数量的同时，也弱化了系统对母线电压受扰后的暂态无功支撑能力，从而增加暂态电压失稳风险。同时，直流输电的换流站无功需求也使接入点附近电压在故障后容易出现持续低悬浮，从而引起连续换相失败导致的直流闭锁，使局部电压失稳转变为全局失稳1-4。上述问题使直流受端电网的暂态电压稳定控制措施研究受到关注。文献5-6从提高系统动态无功储备和同步调相机协调传统动静态无功装置快速恢复暂态电压稳定出发，研究了调相机在暂态、准稳态和稳态等时间尺度参与 AVC 控制的策略；文献7利用轨迹灵敏度研究了提高受端电网暂态电压稳定的最小切负荷优化方法；文献8基于灵敏度和控制代价最小，研究了直流功率提升、调相机无功支撑和切负荷等协调提高受端电网暂态电压稳定的紧急控制策略；文献9研究了换流站无功调节在暂态电压响应期间从恢复直流功率转换为暂态电压支撑的低压限流控制策略。与聚焦暂态期间快速恢复电压稳定的紧急控制不同，文献10考虑系统稳态无功构成对暂态电压稳定恢复的影响，指出增加发电机稳态无功输出、减小并联电容补偿有助于提高电压暂态恢复动态特性。文献11从提高换流母线暂态电压稳定性出发，研究了利用换流站调相机输出无功置换滤波器无功补偿的稳态无功协调策略；文献12研究了调相机协同特高压换流站站域无功设备、近区常规发电机组稳态无功电压控制。然而这些稳态无功协调预防控制没有考虑发电机，并且如何优化稳态输出无功也缺乏进一步讨论。虽然文献13在建立发电机无功备用容量与其机端电压关系的基础上，研究了发电机稳态无功考虑网损、母线电压偏差和无功备用容量等多目标的优化方法，但该方法没有考虑发电机稳态无功优化对暂态电压稳定性的改善作用。基于此，考虑系统无功与电压暂态稳定关系存在解析困难问题，本文采用机器学习研究了通过优化发电机稳态输出无功以提高系统电压对故障扰动保持暂态稳定能力的预防控制方法。在建立母线电压对预想故障集扰动的综合暂态稳定裕度、发电机无功调节对不同母线在预想故障下的电压暂态稳定裕度综合作用灵敏度两个指标基础上，利用指标排序选择暂态稳定裕度薄弱母线和对其稳定裕度调节灵敏发电机。采用XGBoost 建立基于系统稳态特征向量预测系统电压对预想故障扰动是否保持暂态稳定的分类模型。在此基础上，以系统电压对故障扰动保持暂态稳定为约束、以减小发电机稳态无功调节对网损影响为优化目标，提出通过潮流计算寻优灵敏发电机稳态输出无功，以提高薄弱母线暂态电压稳定性的方法。1 电压暂态稳定裕度的作用灵敏发电机选择 发电机计及暂态电势的无功输出表达式如式(1)所示14。G0(cos)()(1)qqqfdddddQEEUxEEIxxsT (1)式中：qE 和分别表示发电机的暂态内电势和功角；U表示发电机机端电压；x表示同步发电机并网等值电抗；fdE表示励磁电压；dI表示定子电流d轴分量；dx和dx分别表示定子电抗d轴分量及其暂态分量；0dT表示d轴开路时间常数。式(1)表明，励磁系统能够在电压跌落期间通过强行励磁提高发电机的q轴暂态电势，从而增加无功输出以阻尼电压的跌落幅度，并且较高的初始内电势可以使暂态内电势在受扰后保持较高水平，从而使发电机在电压扰动期间提供更多无功支撑。因此适当增加发电机输出无功占系统无功需求的比重，将有利于提高系统电压的暂态稳定性。由于系统各节点电压的暂态稳定响应特性呈现区域相似特点，电压暂态稳定裕度薄弱区域是引发电压失稳的主要原因，考虑无功优化和电压稳定属于系统区域问题，因此优化对薄弱区域电压暂态稳定具有灵敏调节作用的发电机输出无功，利用灵敏发电机对电压薄弱区进行无功调控，能在相同的无功置换量之下缩小无功调控范围，更大程度地提高电压稳定性。根据上述分析，本文基于多二元表的暂态电压稳定裕度v15，在利用二项式系数赋权建立量化母线电压对不同故障扰动所具有综合暂态稳定裕度指标v、利用线性加权建立量化发电机调节无功对不同母线暂态电压稳定裕度作用综合灵敏度指标rS基础上，提出基于v排序确定需要改善电压暂态稳定裕度的薄弱区域、基于rS排序选择对薄弱区域暂态电压稳定裕度作用灵敏发电机的方法。该方法首先建立潮流和暂态稳定计算模型，并进行预想故障扰动的暂态稳定计算，利用母线i电压对故障扰动j的vji构建矩阵1vvqii m qA(m和q分别为待分析母线和预想故障的数量)。然后基于 A的列向量求取Tvv(1,)jjjimjq，并从中间向两边依次按照j由小到大排序，形成反映各预想故障对暂态电压稳定影响严重程度的行向量，即行向量中间元素所对应故障最严重。在此基础上，-150-电力系统保护与控制电力系统保护与控制 利用式(2)计算母线i的v指标，并根据v的从小到大排序确定需提高暂态电压稳定裕度的区域。其次，依次增加各发电机无功输出，同时调节并联无功补偿以保持系统无功供需不变，以建立不同无功调节作用下的潮流作业方式。然后对各潮流进行严重预想故障扰动l的暂态稳定计算，并依据式(3)评估各发电机无功调节对所选定薄弱区域各母线暂态电压稳定裕度的综合作用灵敏度，进而选择rS值较大的机组为灵敏调节发电机。vv11112qjijijlqjqc (2)*v*vvGG1*v*v1Tvv1v2vTv1v2vv(1,2,)1/1min()max()illmiiriiriimiillllimllllmiSrnQ (3)式中：j表示基于二项式系数法确定的vji的权重；11lqc表示二项式组合数，l由j在故障严重程度行向量所处的列位置确定16；Gn表示发电机数量；vli和*vi分别表示发电机无功输出不变时母线i在故障l作用下的v及其正则化值；*vli表示发电机r输出无功增加GrQ后的vli；i用于量化vli对GrQ响应的线性加权权重，随vli减小而增大。2 电压暂态稳定的 XGBoost 分类器 用于暂态电压稳定评估的方法主要有时域仿真和能量函数法，然而利用时域仿真评估暂态稳定不仅耗时长，而且评估结果受建模准确性影响，难以在线应用，能量函数法虽然通过将系统状态代入能量函数求解能够直接快速判断稳定性，但用于稳定判别的能量函数构造困难17-18。由于机器学习可以避开复杂机理建模，能够利用数据挖掘建立输入特征向量与暂态响应间的非线性映射关系，因此近年来被广泛应用于电力系统的暂态稳定评估与调控19-21。一方面利用故障发生和切除时刻的系统状态进行受扰程度评估，或利用系统状态故障后运动轨迹评估暂态稳定恢复能力，为扰动后的紧急控制实施提供决策依据；另一方面利用系统状态故障前稳态值预测系统在预想故障作用下的暂态稳定性，为提高系统暂态稳定性的预防控制提供决策依22。由此，本文从优化发电机稳态输出无功以提高薄弱区域暂态电压稳定性出发，研究利用XGBoost建立基于系统稳态特征预测电压暂态稳定的分类器建模方法。2.1 分类器特征输入向量 暂态电压稳定是指系统电压受扰后经无功调节恢复至允许范围内的能力。考虑系统暂态无功响应与运行方式存在相关性，并且确定运行方式下系统电压对不同扰动作用恢复稳定的结果具有确定性，因此利用机器学习挖掘确定运行方式下系统稳定运行状态与电压暂态稳定之间的映射关系具有可行性。文献23基于对暂态电压稳定影响的源网荷要素分析，指出发电机输出功率、新能源机组、输电线路、负荷需求、母线电压水平、直流换流阀触发角等状态变量是影响暂态电压稳定的关键因素。为了避免各状态变量所包含信息存在耦合所导致的冗余，以及过多维度状态变量给机器学习建模造成的输入向量维数灾等问题，从降低输入向量维度、提高分类器预测准确性和鲁棒适用性出发，本文从故障类型、薄弱区域详细稳态特征、系统平均稳态3个方面构建了表1所示的分类器特征输入向量。表 1 暂态电压稳定分类模型的特征输入向量 Table 1 Feature input vector for transient voltage stability classification model 分量名称 分量含义 特征分类 F0 预想故障 故障特征 F1 薄弱母线电压幅值 F2 薄弱母线电压相位 F3 灵敏发电机无功输出 F4 灵敏发电机有功输出 F5 薄弱母线所在区域负荷无功 F6 薄弱母线所在区域负荷有功 目标母线 所在区域 状态变量 的稳态值 F7 发电机总无功输出 F8 发电机总有功输出 F9 系统总负荷无功 F10 系统总负荷有功 F11 系统母线平均电压幅值 F12 系统母线平均电压相位 受端系统 状态变量 的平均 稳态值 如表1所示，考虑分类器预测母线所在区域因暂态稳定裕度薄弱，故障扰动下更容易发生电压暂态失稳，因此利用F1F6分量对薄弱区域故障前稳态特征进行详细刻画。同时为了综合体现系统稳态运行特征并减少特征分量维度，利用F7F12所述状态变量平均值对系统层面稳态运行特征进行宏观描述。此外，考虑母线注入功率和电网结构确定情况下，潮流求解母线电压及其相位具有唯一性，为郭 培，等 基于 XGBOOST-PSO 提高受端电网电压暂态稳定的发电机无功优化方法 -151-提高分类器对电网结构和故障类型变化的适应性，特征向量设置了预想故障类型和电压相位两个分量。2.2 分类器建模 XGBoost是一种基于多重加性回归树的集成算法，不仅能够准确预测结果，而且能够通过合适选取决策树的数目和深度提高建模的泛化能力。另外，能够在目标函数中通过加入正则项以避免模型过拟合，并且通过最大化树模型分叉信息增益，使分类器建模对二值学习样本的比例失衡表现不敏感24。针对该算法在分类建模方面的特点，以及系统暂态稳定计算产生的稳定与不稳定学习样本存在比例失衡问题，本文研究了利用XGBoost建立电压暂态稳定分类器的建模方法。建模步骤具体如下。步骤1：在确定运行方式下，随机调节灵敏发电机的稳态输出无功并进行潮流计算，同时对收敛潮流开展预想故障扰动的暂态稳定计算。步骤2：以暂态电压稳态结果恢复到0.9 p.u.及以上为稳定判断依据，对暂态电压稳定的收敛潮流，标定机器学习样本的输出变量1y，反之为0y；同时基于收敛潮流的状态变量稳态值和预想严重故障类型，构建学习样本对应的特征输入向量X。重复上述方法，基于不同收敛潮流对预想故障集的电压暂态响应结果构建机器学习的样本集。R1()NijijyfX (4)bj112(,)()1()2nniikiikOl y yffTW (5)式中：iy为分类器计算值；()jifX为分类器第j棵决策树，iX为训练集样本i的特征输入向量；RN为迭代训练停止时的决策树个数；bjO为损失函数；(,)iil yy为模型预测值与真实值之间的误差；()kf为用于避免模型过拟合的正则项；和为正则项的惩罚系数；T用于控制树模型中叶子节点数量以防止树模型过于复杂；W用于避免叶子节点权重向量过大。步骤3：将样本集按7:3的比例分成训练集和测试集，训练集样本i的特征输入向量iX作为式(4)所示分类器第j棵决策树()jifX的输入，将分类器计算值iy作为基于特征输入向量预测暂态电压稳定结果，同时通过增加式(4)决策树个数RN，直到损失函数bjO取值最小，停止XGBoost分类器建模的迭代训练，进而得到该训练集的电压暂态稳定分类器。为避免模型的过拟合并增强模型泛化能力，上述建模首先在训练集上采用十折交叉验证进行XGBoost分类器最优参数设计，然后采用最优模型参数，基于训练集建立电压暂态稳定分类器。3 提高暂态电压稳定的发电机无功优化方法 利用电压暂态稳定分类器建模方法建立确定运行方式的电压暂态稳定分类预测模型，不仅能够实时通过潮流计算优化灵敏发电机稳态输出无功，为调度人员提供使系统电压对预想故障保持暂态稳定的预防措施，而且可以有效避免采用暂态计算进行无功优化所面临的复杂计算和耗时问题。然而，通过优化发电机稳态无功提高系统电压暂态稳定性，发电机稳态无功出力的增加也必然会引起发电厂和变电站之间不合理无功流动，从而对电网经济运行造成影响。由此，本文从上述两个方面出发，将暂态电压稳定分类预测与无功优化相结合，以网损最小为目标、以系统电压对预想故障扰动保持暂态稳定为约束，建立式(6)所示优化灵敏发电机稳态输出无功的数学模型。1SGSGlossG,in,L,1G,in,L,1SGSGSGminmaxminmaxmin(,)()1(cossin)0,1,2,s.t.(sin+cos)0,1,2,1,kiiinijijijijijjiiinijijijijijjkkkiiiFQQPhPPPUUGBi jnQQQUUGBi jnQQQkrUUUiXminmax1,2,1,2,ijijijnIIIi jn (6)式中：SGmaxkQ、SGminkQ和SGkQ分别表示第k台灵敏发电机的无功输出上下限值和稳态无功输出；lossP表示系统网损；()hX表示系统电压基于XGBoost分类器暂态稳定的分类结果；X为表1所示特征输入向量；G,iP和G,iQ、L,iP和L,iQ分别表示母线i的发电机注入有功和无功、负荷的有功和无功需求；in,iP和in,iQ分别表示母线i的节点注入有功和无功；iU和jU分别表示母线i、j的电压幅值；ijG、ijB和ij分别表示支路ij的电导、电纳和电压相位差；maxiU和miniU表示母线i电压的允许上下限值；maxijI和minijI表-152-电力系统保护与控制电力系统保护与控制 示支路ij允许的电流上下限值；k和n分别表示灵敏发电机和系统母线的数量。将灵敏发电机的稳态无功输出设为寻优粒子，式(6)所示优化模型的粒子群算法求解过程如图1所示。首先初始化寻优粒子群位置与速度以及寻优过程的循环迭代次数。然后根据各寻优粒子所处可行域空间位置调节各灵敏发电机的无功输出并计算潮流。接着对收敛潮流进一步利用所建立XGBoost分类器，根据系统稳态特征输入向量预测系统电压对预想故障扰动的暂态稳定。如果稳定则依据目标函数计算适应度值，然后基于适应度值进行比较，寻优得到粒子的最佳适应度值和最佳位置，并进行更新；对不收敛潮流或者故障扰动下电压暂态失稳潮流，则不进行更新。再次更新粒子的位置和速度，开始新一轮粒子最佳适应度值和位置、种群最佳位置的寻优，直至收敛条件满足或者循环迭代次数达到设定值。最后输出灵敏发电机组输出无功指令值。图 1 基于粒子群算法的无功优化模型求解流程图 Fig.1 Flowchart of solving reactive power optimization model based on particle swarm algorithm 4 仿真研究 江西电网作为雅湖直流的受端电网，直流馈入后的500 kV主网架如图2所示，其中系统有功负荷为19 000 MW，发电机输出有功为11 900 MW，直流馈入5500 MW。利用PSASP建立电网的潮流和暂态计算模型，对通过优化灵敏发电机稳态无功提高电网暂态电压稳定的方法进行有效性验证。图 2 雅湖直流接入江西电网的 500 kV 主网架 Fig.2 500 kV network of Jiangxi power grid under Yahu DC feed-in 研究中设置系统基准容量为100 MVA，500 kV基准电压为525 kV；电压暂态稳定判据设为故障后500 kV母线电压能够恢复到0.9 p.u.以上。同时，根据文献23规定的暂态电压稳定判据，在确定4组临界电压参考值crV、以及暂态电压低于crV最大可接受持续时间crT的基础上，基于文献15的式(6)求解，确定表2中用于v计算的不同临界电压区间的加权积分系数K，其中NV为标准电压参考值。表 2 多二元表暂态电压稳定裕度计算参数(VN=1.0 p.u.)Table 2 Calculation parameters of multi-binary table transient voltage stability margin(VN=1.0 p.u.)(Vcr,Tcr)(0.95,60)(0.80,10)(0.75,1)(0.70,1)K 0.333 0.417 3.600 25.714 4.1 灵敏发电机选择 典型运行方式下基于预想故障集进行各母线电压暂态稳定响应计算，基于vi从小到大排序确定的电压暂态稳定薄弱母线如表3所示。由图2可知，各薄弱母线所构成区域分布在南昌换流站周围，说明直流接入对接入点附近的电压暂态稳定裕度会产生影响，提高该区域的电压暂态稳定性对保障直流郭 培，等 基于 XGBOOST-PSO 提高受端电网电压暂态稳定的发电机无功优化方法 -153-安全运行具有重要意义。表 3 基于 vi排序确定的电压暂态稳定薄弱母线 Table 3 Weak bus for voltage transient stabilization determined based on vi ranking 母线 v 母线 v 母线 v 母线v云峰-1.43 进贤-1.12 崇仁-0.60 豫章-0.40南昌-0.35 抚州-0.23 永修 0.13 在确定灵敏发电机暂态无功调节作用母线后，以对母线暂态电压稳定裕度影响最严重的南进双回进侧三相短路接地故障作为扰动，依据式(3)得到表4所示各发电机暂态无功补偿对薄弱母线暂态电压稳定裕度的综合作用灵敏度rS，进而选择rS较大的丰城二期05、丰城01/02、贵三期02、黄金埠01、抚州电厂01等发电机作为调节灵敏发电机。表 4 严重预想故障作用下的发电机 Sr Table 4 Generator Sr under severe expected faults action 机组名称 Sr 机组名称 Sr 机组名称 Sr 丰城二期 05 0.4719 丰城三期 0.4622 神华浔阳 010.4622丰城 02 0.4670 双林 01 0.4622 九江电 070.4622丰城 01 0.4670 瑞金电 01 0.4622 九江电 050.4622贵三期 02 0.4666 万安 01 0.4622 新昌 01 0.4622黄金埠 01 0.4654 井冈二期 01 0.4622 瑞金二期 010.4622抚州电厂 01 0.4632 井冈山 01 0.4622 万安 02 0.4622安源电 01 0.4624 景二期 01 0.4622 4.2 XGBoost分类器建模 开发Matlab与PSASP的数据读写交互程序，利用Matlab修改PSASP潮流计算参数，实现潮流和暂态稳定批量计算调用。基于获取的特征输入向量和电压暂态稳定判断结果生成学习样本数据。依据此方法，设置灵敏发电机无功出力随机增长，同时配合调节系统无功补偿以维持系统无功供需平衡，直至发电机无功满发。调用PSASP进行潮流计算，对于收敛潮流，基于表5所示严重预想故障进行暂态稳定计算，共生成1885组学习样本，其中稳定样本541组，失稳样本1344组。各样本的35维特征输入向量具体定义如附录A表A1所示。由于针对实际电网所构建的输入特征向量维度过高，考虑不同输入特征之间可能存在信息重叠与冗余，从而增加模型的复杂程度，影响模型分类预测的准确性，因此在构建电压暂态稳定分类模型前，本文首先利用皮尔逊相关系数进行特征变量的筛选，然后将样本数据集按照7:3的比例随机划分为训练集和测试集，在基于训练集样本使用十折交叉验证确定附录A表A2所示的XGBoost分类器模型参数基础上，进一步利用训练集建立预测电压暂态稳定的分类器。表 5 严重预想故障集 Table 5 Set of severe expected faults 故障编号 故障描述 故障扰动设置 故障 1 进云 I 线进侧瞬时三相接地 故障 2 南进双回进侧瞬时三相接地 故障 3 云崇 I 线云侧瞬时三相接地 故障 4 咸梦双线梦侧瞬时三相接地 故障 5 进云双回进侧瞬时三相接地 设置 t=1.0 s 发生瞬时故障，t=1.1 s 瞬时 故障消失 采用支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、多层感知机(multilayer perceptron,MLP)等方法建立分类模型，XGBoost分类器与上述方法所建立分类器的训练时长和在测试集上的准确率、召回率和精确率如表6所示。表6所示对比结果表明，XGBoost分类器不仅具有较好的预测精度，相比于其他学习方法建立的分类器具有更高的召回率和精确率，因此采用所设计特征输入向量，所建立XGBoost分类器在样本失衡情况下仍具有很好的学习和泛化能力。同时在训练时长方面，XGBoost也表现出了较好的性能，能够快速更新模型，从而适应大规模电网的状态变化。表 6 不同机器学习方法所建立分类器的性能指标对比 Table 6 Comparison of performance indexes of classifiers built by different machine learning methods 方法 准确率/%召回率/%精确率/%训练时间/msXGBoost99.82 99.38 100 165 SVM 99.65 99.38 99.38 462 RF 95.23 94.12 88.89 389 MLP 97.53 93.21 98.05 7015 图3进一步分析了XGBoost训练过程中各输入特征分量的F-score得分，分数越高代表该特征分量对于暂态稳定的准确分类越重要。从图3中可以看出0f(故障类型)、3f(丰城二期05无功出力)、4f(抚州电厂01无功出力)的得分明显高于其他特征分量，因此在采集电力系统运行数据时应当重点关注。图4分析了3f和4f两个分量对样本稳定情况分布的影响作用。对于特征分量3f，稳定样本在3.9,4 p.u.区间较为集中，但该区间内丰城二期05发电机无功出力已接近额定值。对于特征分量4f，稳定样本的分布则较均匀，即抚州电厂01的无功不一定满发，就可使系统保持稳定。分析结果也可为发电机无功出力优化范围的设置提供依据。4.3 发电机稳态无功优化 以4.1节所确定灵敏发电机无功出力作为寻优粒子，设置粒子群规模为30，迭代次数为40，以表5中故障1和故障2两种严重预想故障为例，进行-154-电力系统保护与控制电力系统保护与控制 提高系统暂态电压稳定性的灵敏发电机稳态输出无功优化研究。各灵敏发电机针对预想故障的最优无功出力如表7所示。图 3 特征输入分量的 F-score 图 Fig.3 F-score diagram of feature input components 图 4 重要特征分量对暂态电压稳定情况影响分布图 Fig.4 Influence of important characteristic components on transient voltage stability distribution 表 7 不同故障下灵敏发电机无功出力的优化结果 Table 7 Optimization results of output reactive power of sensitive generator under different faults 发电机无功 出力/MW 故障 1 故障 2 发电机无功 出力/MW 故障 1 故障 2 丰城 01 185.00 185.00 抚州电厂 01 291.88 330.20 丰城 02 185.00 185.00 贵三期 02 459.19 484.00 丰城二期 05 312.12 350.44 黄金埠 01 271.27 309.59 按照所得到两组灵敏发电机无功输出优化结果对初始运行方式下的发电机进行调整，调整前后的南昌和马回岭500 kV母线电压暂态响应、全网发电机和500 kV变电站电容电抗器的暂态无功出力之和，以及赣昌换51高直流换向阀的关断角的动态响应过程如图5所示。对比图5的系统暂态响应可见，由于优化前系统故障后的暂态无功支撑不足，因此电压暂态响应无法恢复稳定，换向阀关断角在多次换向失败后发生闭锁；由于优化后暂态无功支撑能力增加，母线电压暂态稳定恢复能力提高，两种故障扰动下的换向阀关断角在暂态响应后都能恢复初始稳态。并且由于南昌位于电压暂态稳定薄弱区域，因此两种故障扰动下的电压跌落幅度相较于马回岭更深，暂态稳定恢复过程更慢。同时由于故障2的2N故障比故障1的1N故障更为严重，因此两个母线电压 郭 培，等 基于 XGBOOST-PSO 提高受端电网电压暂态稳定的发电机无功优化方法 -155-图 5 灵敏发电机稳态输出无功优化前后的母线电压、系统无功和换向阀关断角的暂态响应对比 Fig.5 Transient response comparison of bus voltage,system reactive power and reversing valve closing angle before and after sensitive generator reactive power output optimization 在故障2作用下的跌落幅度更大，暂态无功支撑幅度也更大。仿真结果也表明，所建立XGBoost分类器对故障类型具有鲁棒适应性，利用所提优化方法能够为系统暂态电压不稳定制约故障提供基于发电机稳态无功调节的预防控制策略，通过优化发电机稳态无功能够改善系统暂态电压稳定性、提高直流输电的安全运行。表8是采用本文所提的优化策略后暂态电压稳定薄弱区域和全网的发电机和电容电抗稳态无功出力情况。对比表8优化前后的稳态无功可见，两种不同严重预想故障下，优化前后发电机和电容电抗器无功变化主要还是集中在本文所划分的薄弱区域内，因此能够避免稳态运行时无功大幅度跨区域流动，减小对网损的影响。表 8 优化前后系统的稳态无功出力变化 Table 8 Change of grid steady-state reactive power output before and after optimization 薄弱区域/p.u.全网/p.u.故障名称 灵敏发电机 电容电抗 发电机 电容电抗优化前 8.98 1.36 32.09 0.57 故障 1 16.21-11.61 41.69-8.62 优化 后 故障 2 18.43-13.05 42.49-9.87 图6是优化灵敏发电机稳态输出无功后，两种故障扰动后电压暂态跌落过程中，薄弱区和全网的发电机无功、并联无功补偿的出力变化对比。图中gQ和CQ表示发电机和并联无功补偿的无功出力。由故障扰动前后的无功变化可知，薄弱区灵敏发电机的无功出力在故障1和故障2扰动下，分别由初始的16.21 p.u.和18.43 p.u.跃升至故障后2st时的39.17 p.u.和42.49 p.u.，薄弱区域电容电抗的无功出力分别由-11.61 p.u.和-13.05 p.u.提升至-5.11 p.u.和-5.69 p.u.，无功变化幅度的对比表明发电机提供的无功支撑起主导作用，表明提升系统电压暂态稳定性的主要措施在于优化同步发电机的无功输出。图7表明在故障1和故障2扰动下，全网发电机无功出力分别由初始的41.69 p.u.和42.49 p.u.变化至121.29 p.u.和121.99 p.u.。薄弱区域灵敏发电机的暂态无功输出增幅占总增幅的30%左右，这是由于暂态过程中，全网母线电压均有不同程度跌落，因此故障后的暂态期间各区域发电机无功都会提供暂态无功支撑从而使全网发电机的无功输出得到大幅提升。图 6 稳定薄弱区的暂态无功变化 Fig.6 Transient reactive power change in weak stability area 图 7 全网的暂态无功变化 Fig.7 Transient reactive power change in whole grid 表9对比了灵敏发电机稳态无功输出优化前后的系统网损，针对故障1和故障2的无功优化，分别使网损相比于优化前增加0.44%和0.67%。对比结果表明，虽然稳态无功优化使网损有一定程度增-156-电力系统保护与控制电力系统保护与控制 加，但利用灵敏发电机稳态无功调节以提高暂态电压稳定，相较于预留旋转备用方法，是一种值得考虑的预防控制方法。表 9 灵敏发电机稳态无功优化前后的网损对比 Table 9 Comparison of active power loss before and after sensitive generator reactive power output optimization 故障 优化前