CN110635479B - 一种限制短路电流运行方式的智能辅助决策方法及系统 - Google Patents

Abstract

本发明公开一种限制短路电流运行方式的智能辅助决策方法、装置和系统，方法通过机器学习获得对应不同电流越限元件和短路控制措施的辅助决策控制措施预测模型，在控制过程中，根据监测得到的电流越限元件和已采取的短路控制措施选择相应的预测模型，从而快速得到辅助决策控制措施。再通过对采取控制措施后的运行方式进行短路电流计算和安全稳定校核确定是否可采用相应的辅助决策控制措施，并在预测模型或其结果不可用时，基于详细计算的常规辅助决策控制措施计算获得当前运行方式的常规辅助决策控制措施。利用本发明可实现限制短路电流运行方式的智能辅助决策，满足在线辅助决策计算速度和准确性的要求。

Description

一种限制短路电流运行方式的智能辅助决策方法及系统

技术领域

本发明涉及电力系统自动化技术领域，特别是一种限制短路电流运行方式的智能辅助决策方法及系统。

背景技术

随着电网规模不断扩大，电网间联系的紧密程度增强，受端电网短路电流普遍逼近甚至超过断路器最大遮断容量，被迫采取长期开断和跳通线路的措施，主网架结构完整性不断削弱，重要送电断面调控困难，主网供电能力和断面输电能力受到制约。目前电网运行人员安排运行方式时，按照最恶劣方式计算最大可能的短路电流，采取的限制短路电流措施过于保守，降低了电网运行的安全裕度和供电可靠性。而在线根据当前实际运行工况计算系统短路电流和控制措施，可以避免控制措施过于保守的问题。

目前的限制短路电流运行方式辅助决策计算，通过计算投运串联高抗、停运线路、停运发电机、母线分裂运行或线路出串运行控制措施对越限母线短路电流灵敏度，搜索满足短路电流不越限要求的控制措施。由于上述控制措施削弱了电网的网架结构，可能对系统的安全稳定运行带来不利影响，因此还需要针对多个控制方案进行安全稳定校核计算，在多个可选择的控制措施中采取对安全稳定性和断面输电能力相对有利的控制措施，而针对多个控制方案的安全稳定校核计算量较大，计算时间难以满足在线辅助决策计算要求。

发明内容

本发明的目的是提供一种限制短路电流运行方式的智能辅助决策方法及系统，实现限制短路电流运行方式的智能辅助决策，满足在线辅助决策计算速度和准确性的要求。

本发明基于的发明构思为：以越限短路电流及其关键影响因素、辅助决策措施影响的预想故障安全稳定裕度及其关键影响因素、相关断面最大输电能力及其关键影响因素为特征量，基于样本集合采用支持向量机进行机器学习，获得以辅助决策控制措施为分类标签的多分类模型；将该多分类模型应用于当前方式进行分类判断获得辅助决策控制措施建议，对采取控制措施后的运行方式进行短路电流计算和安全稳定校核确定是否采用控制措施。限制短路电流运行方式在线辅助决策计算可达到平均每15min进行一次，通过积累历史数据可以获得体量极其庞大的样本集合，基于机器学习方法可以从海量数据中进行数据挖掘提取相关知识，直接给出当前运行方式的辅助决策建议，满足在线辅助决策计算速度的要求。

本发明采取的技术方案如下：

一方面，本发明提供一种限制短路电流运行方式的智能辅助决策方法，包括：

S1，获取电网当前运行方式下的运行状态数据；

S2，基于当前运行状态数据进行短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算，以判断是否存在短路电流越限，响应于当前运行方式存在短路电流越限和已采取的控制措施，转至S3，否则结束辅助决策流程；

S3，根据相应的短路电流越限元件和已采取的控制措施，选择预先构建的对应样本集的辅助决策控制措施预测模型；

S4，对当前运行方式提取特征量，按照预设的适用性判断规则，判断所选择的预测模型是否适用于当前运行方式，响应于所选择的预测模型适用，转至步骤S5，否则转至步骤S73；

S5，利用所选择的辅助决策控制措施预测模型得到辅助决策控制措施建议；

S6，按照辅助决策控制措施建议调整后的当前运行方式进行短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算，并判断各计算结果是否满足要求：若全部满足，转至步骤S71，若仍存在短路电流越限元件，转至步骤S72，否则转至步骤S73；

S71，将辅助决策控制措施建议作为当前运行方式的辅助决策控制措施，结束当前运行方式的辅助决策流程；

S72，接受辅助决策控制措施建议后，针对当前运行方式进行常规辅助决策控制措施计算，将计算得到的辅助决策控制措施作为当前运行方式的追加辅助决策控制措施，结束当前运行方式的辅助决策流程；

S73，针对当前运行方式进行常规辅助决策控制措施计算，将计算得到的辅助决策控制措施作为当前运行方式的辅助决策控制措施，然后结束当前运行方式的辅助决策流程。

本发明中，辅助决策控制措施可不仅包括针对越限短路电流的控制措施，还可包括对已经采取控制措施的恢复措施。

进一步的，本发明方法中，若S6中计算结果为非全部满足，则方法还包括：

S8，对当前运行方式进行蒙特卡洛抽样，得到当前运行方式的附近运行方式样本，对各附近运行方式样本分别进行常规辅助决策控制措施计算；

S9，将当前运行方式及其最终辅助决策控制措施，和附近运行方式及其常规辅助决策控制措施作为新的样本，更新所述辅助决策控制措施预测模型的训练样本集；

S10，基于更新后的训练样本集进行样本子集划分以及对应各样本子集的模型训练，得到对应各样本子集的新的辅助决策控制措施预测模型，用于后续辅助决策控制措施计算。

可选的，上述步骤S8中，对当前运行方式进行蒙特卡洛抽样为：

机组机端电压在额定电压的[0.95，1.05]范围内随机抽样；考虑机组有功出力和无功出力约束，各机组有功出力在当前方式出力的上下20%范围内随机抽样，无功出力变化与有功出力变化保持比例一致；各负荷有功功率在当前方式负荷功率的上下20%范围内随机抽样，无功负荷与有功负荷保持变化比例一致；为保证有功功率平衡，之后按相同比例调整当前方式下各负荷功率保证发电和负荷功率平衡，生成新的随机方式样本，即当前运行方式的附近运行方式样本。

可选的，预先构建的辅助决策控制措施预测模型的构建方法包括：

获取历史短路电流越限事件信息作为初始样本集；

响应于样本集已更新，则获取更新后的样本集；

按照短路电流越限元件和辅助决策前已采取的控制措施将样本集分为多个样本子集；

针对样本子集中有2种及以上辅助决策控制措施的各样本子集，分别进行特征量提取；

基于所提取的特征量，以样本子集中所包括的辅助决策控制措施为分类标签，进行分类预测模型训练，即得到相应样本子集的辅助决策控制措施预测模型；

样本子集中仅有1种辅助决策控制措施的样本子集，其对应的预测模型输出始终为相应的一种辅助决策控制措施。

可选的，将样本集分为多个样本子集为：

按照短路电流越限元件和辅助决策前已采取的控制措施，若存在多个样本同时具有短路电流越限元件以及已采取的控制措施，则将短路电流超限元件和已采取控制措施均相同的多个样本分至同一个样本子集，否则按照短路电流越限元件或者已采取的控制措施将样本分至短路电流越限元件相同或者已采取控制措施相同的样本子集中。

可选的，辅助决策控制措施预测模型采用支持向量机分类模型；

针对样本子集中有2种辅助决策控制措施的各样本子集，以该两种辅助决策控制措施作为分类标签进行二分类模型训练；

针对样本子集中有3种及以上辅助决策控制措施的各样本子集，分别针对各辅助决策控制措施进行二分类模型训练。即以其中一个辅助决策控制措施的样本作为正样本，剩下所有辅助决策控制措施的样本作为负样本，针对i个辅助决策控制措施共训练i个分类模型。

上述针对各样本子集的预测模型训练，以及各样本子集中各二分类模型的训练皆可采用分布式并行计算技术，提高模型训练的效率。

可选的，步骤S5中，若当前运行方式对应的样本子集中有3种及以上辅助决策控制措施，则分别利用各二分类模型进行预测得到是否可采取的辅助决策控制措施，然后从中选择分类预测置信度最高的二分类模型得到的辅助决策控制措施，作为当前运行方式的辅助决策控制措施建议。

可选的，针对样本子集中有2种及以上辅助决策控制措施的，如二分类预测模型的分类预测结果置信度小于指定的门槛值，则认为该分类模型预测结果不可信，后续不再考虑该二分类模型预测的控制措施建议。

上述二分类模型的分类预测置信度可通过计算待识别样本到支持向量机最优分类超平面距离的Sigmoid函数值获得。

可选的，步骤S3中，所抽取的样本特征量包括越限元件短路电流及其关键影响因素，已采取控制措施影响短路电流较大的元件的短路电流及其关键影响因素，已采取控制措施和候选的辅助决策控制措施对安全稳定性影响较大的预想故障安全稳定裕度及关键影响因素，已采取控制措施和候选的辅助决策控制措施影响较大的相关断面最大输电功率及其关键影响因素；

短路电流的关键影响因素包括：越限元件所在区域总负荷、总发电出力、短路电流灵敏度大于门槛值的机组的开停机状态、短路电流灵敏度大于门槛值的线路串联高抗投停状态、短路电流灵敏度大于门槛值的线路和变压器投停状态，以及越限元件所在厂站的线路出串或母线分裂运行状态；

已采取控制措施影响短路电流较大的元件为：控制措施对短路电流灵敏度大于指定门槛值的短路电流元件；

控制措施对安全稳定性影响较大的预想故障为：计算安全稳定校核故障集合中故障i的故障点与控制措施c之间等值阻抗，将作为控制措施对预想故障安全稳定性影响的评价指标，判断该指标是否小于设定的门槛值，如小于则认为该故障是控制措施c对其安全稳定性影响较大的预想故障，其中为辅助决策计算前安全稳定校核的预想故障i安全稳定性裕度；

预想故障安全稳定关键影响因素包括：热稳定、暂态功角稳定和暂态电压稳定关键影响因素；热稳定关键影响因素包括故障支路和故障后潮流转移支路的潮流和投停状态；暂态功角稳定关键影响因素包括临界群机组和参与因子较大的余下群机组出力和投停状态、振荡中心联络支路潮流及其投停状态；暂态电压稳定关键影响因素包括暂态电压薄弱节点的视在功率和无功电压灵敏度；

控制措施影响较大的相关断面为：若断面最大输电功率计算关联的预想故障是控制措施安全稳定性影响较大的故障，则认为该断面是控制措施影响较大的相关断面；

相关断面最大输电功率的关键影响因素包括：相关断面的断面组成元件潮流和投停状态、断面关联故障及其安全稳定关键影响因素。

可选的，步骤S4中，所述预设的适用性判断规则为：

计算当前运行方式与样本子集中所有样本的样本子集特征量的标准化欧式距离，若当前运行方式与样本子集中预设数量k个最邻近样本的距离均小于指定门槛值，则判断为预测模型适用于当前运行方式；否则认为预测模型不适用于当前运行方式，转至步骤S73。

另一方面，本发明还提供一种限制短路电流运行方式的智能辅助决策装置，包括：

运行方式数据获取模块，用于获取电网当前运行方式下的运行状态数据；

综合计算模块，用于基于当前运行状态数据进行短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算，以判断是否存在短路电流越限和已采取的控制措施；

预测模型选择模块，用于根据相应的短路电流越限元件和已采取的控制措施，选择预先构建的对应样本集的辅助决策控制措施预测模型，若不存在短路电流越限元件和已采取的控制措施则结束辅助决策流程；

预测模块，用于对当前运行方式提取特征量，按照预设的适用性判断规则，选择适用于当前运行方式的预测模型，并利用所选择的辅助决策控制措施预测模型得到辅助决策控制措施建议；

二次综合计算模块，用于按照辅助决策控制措施建议调整后的当前运行方式进行短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算，并判断各计算结果是否满足要求；

常规辅助决策控制措施计算模块，用于响应于二次综合计算模块的计算结果非全部满足时，进行基于详细计算的常规辅助决策控制措施计算，得到常规辅助决策控制措施；

以及辅助决策控制措施确定模块，用于：响应于二次综合计算的结果全部满足要求，将预测模型得到的辅助决策控制措施建议作为当前运行方式的辅助决策控制措施；响应于二次综合计算的结果中仍存在短路电流越限元件，将预测模型得到的辅助决策控制措施建议以及常规辅助决策控制措施，共同作为当前运行方式的最终辅助决策控制措施；以及响应于其它计算结果不满足的情形，将常规辅助决策控制措施作为最终辅助决策控制措施。

进一步的，限制短路电流运行方式的智能辅助决策装置还包括：

样本生成模块，对当前运行方式进行蒙特卡洛抽样，得到当前运行方式的附近运行方式样本，对各附近运行方式样本分别进行常规辅助决策控制措施计算；

样本集更新模块，用于将当前运行方式及其最终辅助决策控制措施，和附近运行方式及其常规辅助决策控制措施作为新的样本，更新所述辅助决策控制措施预测模型的训练样本集；

以及预测模型训练模块，用于基于初始样本集或更新后的训练样本集进行样本子集划分以及对应各样本子集的模型训练，得到对应各样本子集的预测模型，用于后续辅助决策控制措施计算。

可用于预测模型的更新，使得后续运行方式辅助决策计算时能够更高效的得到辅助决策控制措施。

第三方面，本发明还提供一种限制短路电流运行方式的智能辅助决策系统，包括：

样本特征抽取模块，用于按照预先指定的关键特征量类型对样本集合中所有样本抽取特征量；

预测模型训练模块，用于根据初始样本或更新后样本集合中各个样本的分类标签，进行预测模型训练，建立样本特征量和分类标签之间的映射关系；

辅助决策控制措施预测模块，用于利用预测模型获得预测的当前方式的辅助决策控制措施；

预想故障安全稳定校核计算模块，用于基于电网设备模型参数和状态估计结果形成潮流、稳定计算数据，结合静态、暂态安全稳定评估计算参数、设备安全稳定限值以及预想故障集数据，进行当前方式或控制措施实施后方式的预想故障安全稳定校核计算，获得预想故障热稳定、暂态功角稳定和暂态电压稳定裕度及其关键影响因素；

短路电流计算模块，用于基于潮流、稳定计算数据以及短路电流计算参数、母线和线路短路设备集合、断路器遮断容量限值，进行当前方式或控制措施实施后方式的短路电流校核计算，获得母线和线路短路电流，判断各母线和线路短路电流是否超过其断路器额定遮断容量及其关键影响因素；

断面最大输电功率计算模块，用于基于断面关联预想故障安全稳定校核计算数据和断面功率调整方式，进行当前方式或控制措施实施后方式的断面极限功率计算，获得断面最大输电功率；

常规辅助决策控制措施详细计算模块，用于以对安全稳定影响程度最小和操作元件开关最少为控制目标，针对短路电流越限元件和已经采取的短路电流控制措施，搜索满足短路电流越限要求的控制措施和已采取控制措施的恢复措施；

以及样本生成模块，用于对当前运行方式进行蒙特卡洛抽样生成当前方式附近的随机样本，对每一新生成的随机样本均进行基于常规详细计算方法的辅助决策控制措施计算，之后将所有运行方式及其计算结果存入样本集中。

有益效果

本发明通过机器学习获得对应不同电流越限元件和短路控制措施的辅助决策控制措施预测模型，在控制过程中，当需要限制短路电流运行方式时，根据监测得到的电流越限元件和已采取的短路控制措施，即可选择相应的预测模型，进行辅助决策控制措施的预测，从而快速得到辅助决策控制措施。再通过对采取控制措施后的运行方式进行短路电流计算和安全稳定校核确定是否可采用相应的辅助决策控制措施。

当预测得到的辅助决策控制措施无法限制或完全限制短路电流运行方式时，本发明通过基于详细计算的常规辅助决策控制措施计算获得对当前运行方式的辅助决策控制措施补充，同时通过蒙特卡洛抽样得到当前运行方式的随机附近运行方式，并基于详细计算的常规辅助决策控制措施计算获得各运行方式的常规辅助决策控制措施，再基于各运行方式的辅助决策控制措施对原训练样本集进行扩充更新，以训练得到新的预测模型，进而用于后续运行方式的辅助决策控制措施预测，以能够不断优化预测模型，从而使其在进行辅助决策控制措施计算时的效率和可靠性不断提高。

综上，利用本发明可实现限制短路电流运行方式的智能辅助决策，可以满足在线辅助决策计算速度和准确性的要求。

附图说明

图1所示为本发明方法的一种实施例流程示意图；

图2所示为本发明一种实施例的预测模型更新流程示意图；

图3所示为本发明一种实施例的初始预测模型构建流程示意图。

具体实施方式

以下结合附图和具体实施例进一步描述。

实施例1

参考图1，本实施例限制短路电流运行方式的智能辅助决策方法，包括：

S1，获取电网当前运行方式下的运行状态数据；

S2，基于当前运行状态数据进行短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算，以判断是否存在短路电流越限，响应于当前运行方式存在短路电流越限和已采取的控制措施，转至S3，否则结束辅助决策流程；

S3，根据相应的短路电流越限元件和已采取的控制措施，选择预先构建的对应样本集的辅助决策控制措施预测模型；

S4，对当前运行方式提取特征量，按照预设的适用性判断规则，判断所选择的预测模型是否适用于当前运行方式，响应于所选择的预测模型适用，转至步骤S5，否则转至步骤S73；

S5，利用所选择的辅助决策控制措施预测模型得到辅助决策控制措施建议；

S6，按照辅助决策控制措施建议调整后的当前运行方式进行短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算，并判断各计算结果是否满足要求：若全部满足，转至步骤S71，若仍存在短路电流越限元件，转至步骤S72，否则转至步骤S73；

S71，将辅助决策控制措施建议作为当前运行方式的辅助决策控制措施，结束当前运行方式的辅助决策流程；

S72，接受辅助决策控制措施建议后，针对当前运行方式进行常规辅助决策控制措施计算，将计算得到的辅助决策控制措施作为当前运行方式的追加辅助决策控制措施，结束当前运行方式的辅助决策流程；

S73，针对当前运行方式进行常规辅助决策控制措施计算，将计算得到的辅助决策控制措施作为当前运行方式的辅助决策控制措施，然后结束当前运行方式的辅助决策流程。

辅助决策控制措施可不仅包括针对越限短路电流的控制措施，还可包括对已经采取控制措施的恢复措施。由于辅助决策控制措施是预测模型给出的，而预测模型的输出分类是基于样本集的，所以本发明所涉及的辅助决策控制措施实际是历史辅助决策利用现有基于详细计算的常规辅助决策控制措施计算得到的各种不同方案，因此本发明不再对辅助决策控制措施的具体内容进行赘述。

本发明可采取的基于详细计算的常规辅助决策控制措施计算为，针对短路电流越限元件和已经采取的短路电流控制措施，搜索满足短路电流越限要求的控制措施和已采取控制措施的恢复措施，控制目标为对安全稳定影响程度最小和操作元件开关最少。

实施例1-1

在实施例1的基础上，本实施例中：

初始辅助决策控制措施预测模型的构建方法包括：

获取历史短路电流越限事件信息作为初始样本集；

响应于样本集已更新，则获取更新后的样本集；

按照短路电流越限元件和辅助决策前已采取的控制措施将样本集分为多个样本子集；

针对样本子集中有2种及以上辅助决策控制措施的各样本子集，分别进行特征量提取；

基于所提取的特征量，以样本子集中所包括的辅助决策控制措施为分类标签，进行分类预测模型训练，即得到相应样本子集的辅助决策控制措施预测模型；

样本子集中仅有1种辅助决策控制措施的样本子集，其对应的预测模型输出始终为相应的一种辅助决策控制措施。

为了使得预测模型能够在不断的应用中得到学习和优化，若S6中计算结果为非全部满足，则方法还包括：

S8，对当前运行方式进行蒙特卡洛抽样，得到当前运行方式的附近运行方式样本，对各附近运行方式样本分别进行常规辅助决策控制措施计算；

S9，将当前运行方式及其最终辅助决策控制措施，和附近运行方式及其常规辅助决策控制措施作为新的样本，更新所述辅助决策控制措施预测模型的训练样本集；

S10，基于更新后的训练样本集进行样本子集划分以及对应各样本子集的模型训练，得到对应各样本子集的新的辅助决策控制措施预测模型，用于后续辅助决策控制措施计算。

上述步骤S8中，对当前运行方式进行蒙特卡洛抽样为：

机组机端电压在额定电压的[0.95，1.05]范围内随机抽样；考虑机组有功出力和无功出力约束，各机组有功出力在当前方式出力的上下20%范围内随机抽样，无功出力变化与有功出力变化保持比例一致；各负荷有功功率在当前方式负荷功率的上下20%范围内随机抽样，无功负荷与有功负荷保持变化比例一致；为保证有功功率平衡，之后按相同比例调整当前方式下各负荷功率保证发电和负荷功率平衡，生成新的随机方式样本，即当前运行方式的附近运行方式样本。

上述将样本集分为多个样本子集为：

按照短路电流越限元件和辅助决策前已采取的控制措施，若存在多个样本同时具有短路电流越限元件以及已采取的控制措施，则将短路电流超限元件和已采取控制措施分别相同的多个样本分至同一个样本子集，否则按照短路电流越限元件或者已采取的控制措施将样本分至短路电流越限元件相同或者已采取控制措施相同的样本子集中。

辅助决策控制措施预测模型采用支持向量机分类模型；

针对样本子集中有2种辅助决策控制措施的各样本子集，以该两种辅助决策控制措施作为分类标签进行模型训练；

针对样本子集中有3种及以上辅助决策控制措施的各样本子集，分别针对各辅助决策控制措施进行二分类模型训练。

上述针对各样本子集的预测模型训练，以及各样本子集中各二分类模型的训练皆可采用分布式并行计算技术，提高模型训练的效率。

步骤S5中，若当前运行方式对应的样本子集中有3种及以上辅助决策控制措施，则分别利用各二分类模型进行预测得到是否可采取的辅助决策控制措施，然后从中选择分类预测置信度最高的二分类模型得到的辅助决策控制措施，作为当前运行方式的辅助决策控制措施建议。

针对样本子集中有2种及以上辅助决策控制措施的，如二分类预测模型的分类预测结果置信度小于指定的门槛值，则认为该分类模型预测结果不可信，后续不再考虑该二分类模型预测的控制措施建议。

二分类模型的分类预测置信度可通过计算待识别样本到支持向量机最优分类超平面距离的Sigmoid函数值获得。

步骤S3中，所抽取的样本特征量包括越限元件短路电流及其关键影响因素，已采取控制措施影响短路电流较大的元件的短路电流及其关键影响因素，已采取控制措施和候选的辅助决策控制措施对安全稳定性影响较大的预想故障安全稳定裕度及关键影响因素，已采取控制措施和候选的辅助决策控制措施影响较大的相关断面最大输电功率及其关键影响因素；

短路电流的关键影响因素包括：越限元件所在区域总负荷、总发电出力、短路电流灵敏度大于门槛值的机组的开停机状态、短路电流灵敏度大于门槛值的线路串联高抗投停状态、短路电流灵敏度大于门槛值的线路和变压器投停状态，以及越限元件所在厂站的线路出串或母线分裂运行状态；

已采取控制措施影响短路电流较大的元件为：控制措施对短路电流灵敏度大于指定门槛值的短路电流元件；

控制措施对安全稳定性影响较大的预想故障为：计算安全稳定校核故障集合中故障i的故障点与控制措施c之间等值阻抗，将作为控制措施对预想故障安全稳定性影响的评价指标，判断该指标是否小于设定的门槛值，如小于则认为该故障是控制措施c对其安全稳定性影响较大的预想故障，其中为辅助决策计算前安全稳定校核的预想故障i安全稳定性裕度；

预想故障安全稳定关键影响因素包括：热稳定、暂态功角稳定和暂态电压稳定关键影响因素；热稳定关键影响因素包括故障支路和故障后潮流转移支路的潮流和投停状态；暂态功角稳定关键影响因素包括临界群机组和参与因子较大的余下群机组出力和投停状态、振荡中心联络支路潮流及其投停状态；暂态电压稳定关键影响因素包括暂态电压薄弱节点的视在功率和无功电压灵敏度；

控制措施影响较大的相关断面为：若断面最大输电功率计算关联的预想故障是控制措施安全稳定性影响较大的故障，则认为该断面是控制措施影响较大的相关断面；

相关断面最大输电功率的关键影响因素包括：相关断面的断面组成元件潮流和投停状态、断面关联故障及其安全稳定关键影响因素。

步骤S4中，所述预设的适用性判断规则为：

计算当前运行方式与样本子集中所有样本的样本子集特征量的标准化欧式距离，若当前运行方式与样本子集中预设数量k个最邻近样本的距离均小于指定门槛值，则判断为预测模型适用于当前运行方式；否则认为预测模型不适用于当前运行方式，转至步骤S73。

实施例1-2

基于实施例1-1，本实施例方法的具体操作流程包括：

1：按照短路电流越限元件和辅助决策计算前已经采取的控制措施，将样本集中的样本分为若干子集，对于样本子集中的各个样本分别抽取关键特征量；

样本子集划分后，对于一个样本集中的多个样本，若有短路电流越限元件，则越限元件相同，若辅助决策计算前有已经采取的控制措施，则控制措施相同。

对于样本子集中各个样本抽取的关键特征量如下：

关键特征量包括越限元件短路电流和关键影响因素、已采取控制措施影响短路电流较大元件的短路电流和关键影响因素、已采取控制措施和候选的辅助决策控制措施对安全稳定性影响较大的预想故障安全稳定裕度和关键影响因素、已采取控制措施和候选的辅助决策控制措施影响较大的相关断面最大输电功率和关键影响因素，并且以样本子集中所有样本特征量并集作为样本子集特征量。

2：针对各样本子集分别进行辅助决策控制措施预测模型训练，在每一个样本子集内部，如包括不同的辅助决策控制措施，则以辅助决策控制措施为分类标签进行分类预测模型训练，否则不进行预测模型训练。

针对各样本子集分别进行辅助决策控制措施预测模型训练，可以采用分布式并行计算技术，针对各样本子集并行进行预测模型训练。分类预测模型为支持向量机分类模型。

如样本子集中辅助决策控制措施类别i大于等于3，则需要分别训练i个分类标签为属于该类控制措施和非该类控制措施的二分类模型，每一个二分类模型训练可以采用分布式并行计算技术并行训练。

3：基于集群计算平台并行进行当前运行方式的短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算。如当前方式没有短路电流越限和已经采取的控制措施，则直接结束本方法；否则按短路电流越限元件和已经采取的控制措施判断所属样本子集，基于该样本子集的预测模型获得当前方式的辅助决策控制措施建议。如无法获得当前方式的辅助决策控制措施建议，则进行基于常规详细计算方法的辅助决策控制措施计算，之后转入步骤5。

在基于样本子集预测模型获得当前方式的辅助决策控制措施建议前，还需要进行预测模型适用性判断，适用性判断方法为：

通过计算当前运行方式与样本子集中所有样本的样本子集特征量标准化欧式距离，如当前样本与样本子集中预先设定的k个最邻近样本的距离均小于指定门槛值，则判断预测模型适用于当前运行方式。否则认为预测模型不适用于当前运行方式，无法获得辅助决策控制措施建议。

基于样本子集预测模型获得当前方式的辅助决策控制措施建议方法具体为：如样本子集中只有一种辅助决策控制措施，则将其直接作为当前方式的辅助决策控制措施建议。如样本子集中有多个二分类预测模型，则分别采用预测模型获得其对应的是否采取该类控制措施建议，之后在所有可能的多个控制措施中选择分类预测置信度最高的措施作为当前方式的辅助决策控制措施建议。如分类预测模型结果置信度小于指定的门槛值，则认为该预测结果不可信，后续不再考虑该分类模型预测的控制措施建议。

4：依据辅助决策控制措施建议调整当前运行方式，之后基于集群计算平台并行进行短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算。如短路电流、预想故障安全稳定裕度和断面最大输电功率均满足要求，则获得当前方式的辅助决策控制措施；否则进行基于常规详细计算方法的辅助决策控制措施计算；

若经计算根据辅助决策控制措施建议进行当前运行方式调整后，短路电流计算结果中依然存在短路电流越限元件，则接受辅助决策控制措施建议，在此基础上进行基于常规详细计算方法的辅助决策控制措施计算，作为追加辅助决策控制措施；若为预想故障安全稳定裕度和/或断面最大输电功率不满足要求，则直接进行基于常规详细计算方法的辅助决策控制措施计算，仅将常规辅助决策控制措施作为当前运行方式的最终辅助决策控制措施。

5：对当前运行方式进行蒙特卡洛抽样生成当前方式附近的随机样本，对每一新生成的随机样本均进行基于常规详细计算方法的辅助决策控制措施计算。

然后将当前运行方式已采取的辅助决策控制措施建议（如有）以及常规辅助决策控制措施详细计算结果，和当前运行方式以及附近运行方式及其常规详细计算结果存入样本集中，以对样本集进行扩充更新，然后返回步骤1，重新进行样本子集划分、预测模型训练，得到新的预测模型用于后续辅助决策控制措施预测。

实施例2

与实施例1基于相同的发明构思，本实施例为一种限制短路电流运行方式的智能辅助决策装置，包括：

运行方式数据获取模块，用于获取电网当前运行方式下的运行状态数据；

综合计算模块，用于基于当前运行状态数据进行短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算，以判断是否存在短路电流越限和已采取的控制措施；

预测模型选择模块，用于根据相应的短路电流越限元件和已采取的控制措施，选择预先构建的对应样本集的辅助决策控制措施预测模型，若不存在短路电流越限元件和已采取的控制措施则结束辅助决策流程；

预测模块，用于对当前运行方式提取特征量，按照预设的适用性判断规则，选择适用于当前运行方式的预测模型，并利用所选择的辅助决策控制措施预测模型得到辅助决策控制措施建议；

二次综合计算模块，用于按照辅助决策控制措施建议调整后的当前运行方式进行短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算，并判断各计算结果是否满足要求；

常规辅助决策控制措施计算模块，用于响应于二次综合计算模块的计算结果非全部满足时，进行基于详细计算的常规辅助决策控制措施计算，得到常规辅助决策控制措施；

以及辅助决策控制措施确定模块，用于：响应于二次综合计算的结果全部满足要求，将预测模型得到的辅助决策控制措施建议作为当前运行方式的辅助决策控制措施；响应于二次综合计算的结果中仍存在短路电流越限元件，将预测模型得到的辅助决策控制措施建议以及常规辅助决策控制措施，共同作为当前运行方式的最终辅助决策控制措施；以及响应于其它计算结果不满足的情形，将常规辅助决策控制措施作为最终辅助决策控制措施。

为了使得预测模型能够在不断的预测中预测效率和可靠性得到优化，使得后续运行方式辅助决策计算时能够更高效的得到辅助决策控制措施，本实施例智能辅助决策装置还包括：

样本生成模块，对当前运行方式进行蒙特卡洛抽样，得到当前运行方式的附近运行方式样本，对各附近运行方式样本分别进行常规辅助决策控制措施计算；

样本集更新模块，用于将当前运行方式及其最终辅助决策控制措施，和附近运行方式及其常规辅助决策控制措施作为新的样本，更新所述辅助决策控制措施预测模型的训练样本集；

以及预测模型训练模块，用于基于初始样本集或更新后的训练样本集进行样本子集划分以及对应各样本子集的模型训练，得到对应各样本子集的预测模型，用于后续辅助决策控制措施计算。

以上各模块实现相关功能的算法参考实施例1和实施例1-1及实施例1-2。

实施例3

与实施例1和实施例2基于相同的发明构思，本实施例为一种限制短路电流运行方式的智能辅助决策系统，包括：

样本特征抽取模块，用于按照预先指定的关键特征量类型对样本集合中所有样本抽取特征量；

预测模型训练模块，用于根据初始样本或更新后样本集合中各个样本的分类标签，进行预测模型训练，建立样本特征量和分类标签之间的映射关系；

辅助决策控制措施预测模块，用于利用预测模型获得预测的当前方式的辅助决策控制措施；

预想故障安全稳定校核计算模块，用于基于电网设备模型参数和状态估计结果形成潮流、稳定计算数据，结合静态、暂态安全稳定评估计算参数、设备安全稳定限值以及预想故障集数据，进行当前方式或控制措施实施后方式的预想故障安全稳定校核计算，获得预想故障热稳定、暂态功角稳定和暂态电压稳定裕度及其关键影响因素；

短路电流计算模块，用于基于潮流、稳定计算数据以及短路电流计算参数、母线和线路短路设备集合、断路器遮断容量限值，进行当前方式或控制措施实施后方式的短路电流校核计算，获得母线和线路短路电流，判断各母线和线路短路电流是否超过其断路器额定遮断容量及其关键影响因素；

断面最大输电功率计算模块，用于基于断面关联预想故障安全稳定校核计算数据和断面功率调整方式，进行当前方式或控制措施实施后方式的断面极限功率计算，获得断面最大输电功率；

常规辅助决策控制措施详细计算模块，用于以对安全稳定影响程度最小和操作元件开关最少为控制目标，针对短路电流越限元件和已经采取的短路电流控制措施，搜索满足短路电流越限要求的控制措施和已采取控制措施的恢复措施；

以及样本生成模块，用于对当前运行方式进行蒙特卡洛抽样生成当前方式附近的随机样本，对每一新生成的随机样本均进行基于常规详细计算方法的辅助决策控制措施计算，之后将所有运行方式及其计算结果存入样本集中。

以上各模块实现相关功能的算法参考实施例1和实施例1-1及实施例1-2。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种限制短路电流运行方式的智能辅助决策方法，其特征是，包括：

S1，获取电网当前运行方式下的运行状态数据；

S2，基于当前运行状态数据进行短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算，以判断是否存在短路电流越限，响应于当前运行方式存在短路电流越限和已采取的控制措施，转至S3，否则结束辅助决策流程；

S3，根据相应的短路电流越限元件和已采取的控制措施，选择预先构建的对应样本集的辅助决策控制措施预测模型；

S4，对当前运行方式提取特征量，按照预设的适用性判断规则，判断所选择的预测模型是否适用于当前运行方式，响应于所选择的预测模型适用，转至步骤S5，否则转至步骤S73；

S5，利用所选择的辅助决策控制措施预测模型得到辅助决策控制措施建议；

S6，按照辅助决策控制措施建议调整后的当前运行方式进行短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算，并判断各计算结果是否满足要求：若全部满足，转至步骤S71，若仍存在短路电流越限元件，转至步骤S72，否则转至步骤S73；

S71，将辅助决策控制措施建议作为当前运行方式的辅助决策控制措施，结束当前运行方式的辅助决策流程；

S72，接受辅助决策控制措施建议后，针对当前运行方式进行常规辅助决策控制措施计算，将计算得到的辅助决策控制措施作为当前运行方式的追加辅助决策控制措施，结束当前运行方式的辅助决策流程；

S73，针对当前运行方式进行常规辅助决策控制措施计算，将计算得到的辅助决策控制措施作为当前运行方式的辅助决策控制措施，然后结束当前运行方式的辅助决策流程；

其中，所述预先构建的辅助决策控制措施预测模型的构建方法包括：

获取历史短路电流越限事件信息作为初始样本集；

响应于样本集已更新，则获取更新后的样本集；

按照短路电流越限元件和辅助决策前已采取的控制措施将样本集分为多个样本子集；

针对样本子集中有2种及以上辅助决策控制措施的各样本子集，分别进行特征量提取；

基于所提取的特征量，以样本子集中所包括的辅助决策控制措施为分类标签，进行分类预测模型训练，即得到相应样本子集的辅助决策控制措施预测模型；

样本子集中仅有1种辅助决策控制措施的样本子集，其对应的预测模型输出始终为相应的一种辅助决策控制措施；

所述预设的适用性判断规则为：

计算当前运行方式与样本子集中所有样本的样本子集特征量的标准化欧式距离，若当前运行方式与样本子集中预设数量k个最邻近样本的距离均小于指定门槛值，则判断为预测模型适用于当前运行方式；否则认为预测模型不适用于当前运行方式，转至步骤S73。

2.根据权利要求1所述的方法，其特征是，若S6中计算结果为非全部满足，则方法还包括：

S8，对当前运行方式进行蒙特卡洛抽样，得到当前运行方式的附近运行方式样本，对各附近运行方式样本分别进行常规辅助决策控制措施计算；

S9，将当前运行方式及其最终辅助决策控制措施，和附近运行方式及其常规辅助决策控制措施作为新的样本，更新所述辅助决策控制措施预测模型的训练样本集；

S10，基于更新后的训练样本集进行样本子集划分以及对应各样本子集的模型训练，得到对应各样本子集的新的辅助决策控制措施预测模型，用于后续辅助决策控制措施计算。

3.根据权利要求2所述的方法，其特征是，步骤S8中，对当前运行方式进行蒙特卡洛抽样为：

机组机端电压在额定电压的[0.95，1.05]范围内随机抽样；考虑机组有功出力和无功出力约束，各机组有功出力在当前方式出力的上下20%范围内随机抽样，无功出力变化与有功出力变化保持比例一致；各负荷有功功率在当前方式负荷功率的上下20%范围内随机抽样，无功负荷与有功负荷保持变化比例一致；为保证有功功率平衡，之后按相同比例调整当前方式下各负荷功率保证发电和负荷功率平衡，生成新的随机方式样本，即当前运行方式的附近运行方式样本。

4.根据权利要求1所述的方法，其特征是，将样本集分为多个样本子集为：

按照短路电流越限元件和辅助决策前已采取的控制措施，若存在多个样本同时具有短路电流越限元件以及已采取的控制措施，则将短路电流超限元件和已采取控制措施均相同的多个样本分至同一个样本子集，否则按照短路电流越限元件或者已采取的控制措施将样本分至短路电流越限元件相同或者已采取控制措施相同的样本子集中。

5.根据权利要求1或2所述的方法，其特征是，辅助决策控制措施预测模型采用支持向量机分类模型；

针对样本子集中有2种辅助决策控制措施的各样本子集，以该两种辅助决策控制措施作为分类标签进行模型训练；

针对样本子集中有3种及以上辅助决策控制措施的各样本子集，分别针对各辅助决策控制措施进行二分类模型训练。

6.根据权利要求5所述的方法，其特征是，步骤S5中，若当前运行方式对应的样本子集中有3种及以上辅助决策控制措施，则分别利用各二分类模型进行预测得到是否可采取的辅助决策控制措施，然后从中选择分类预测置信度最高的二分类模型得到的辅助决策控制措施，作为当前运行方式的辅助决策控制措施建议。

7.根据权利要求1或2所述的方法，其特征是，步骤S3中，所抽取的样本特征量包括越限元件短路电流及其关键影响因素，已采取控制措施影响短路电流较大的元件的短路电流及其关键影响因素，已采取控制措施和候选的辅助决策控制措施对安全稳定性影响较大的预想故障安全稳定裕度及关键影响因素，已采取控制措施和候选的辅助决策控制措施影响较大的相关断面最大输电功率及其关键影响因素；

短路电流的关键影响因素包括：越限元件所在区域总负荷、总发电出力、短路电流灵敏度大于门槛值的机组的开停机状态、短路电流灵敏度大于门槛值的线路串联高抗投停状态、短路电流灵敏度大于门槛值的线路和变压器投停状态，以及越限元件所在厂站的线路出串或母线分裂运行状态；

已采取控制措施影响短路电流较大的元件为：控制措施对短路电流灵敏度大于指定门槛值的短路电流元件；

控制措施对安全稳定性影响较大的预想故障为：计算安全稳定校核故障集合中故障i的故障点与控制措施c之间等值阻抗，将作为控制措施对预想故障安全稳定性影响的评价指标，判断该指标是否小于设定的门槛值，如小于则认为该故障是控制措施c对其安全稳定性影响较大的预想故障，其中为辅助决策计算前安全稳定校核的预想故障i安全稳定性裕度；

预想故障安全稳定关键影响因素包括：热稳定、暂态功角稳定和暂态电压稳定关键影响因素；热稳定关键影响因素包括故障支路和故障后潮流转移支路的潮流和投停状态；暂态功角稳定关键影响因素包括临界群机组和参与因子较大的余下群机组出力和投停状态、振荡中心联络支路潮流及其投停状态；暂态电压稳定关键影响因素包括暂态电压薄弱节点的视在功率和无功电压灵敏度；

控制措施影响较大的相关断面为：若断面最大输电功率计算关联的预想故障是控制措施安全稳定性影响较大的故障，则认为该断面是控制措施影响较大的相关断面；

相关断面最大输电功率的关键影响因素包括：相关断面的断面组成元件潮流和投停状态、断面关联故障及其安全稳定关键影响因素。

8.一种限制短路电流运行方式的智能辅助决策装置，其特征是，包括：

运行方式数据获取模块，用于获取电网当前运行方式下的运行状态数据；

综合计算模块，用于基于当前运行状态数据进行短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算，以判断是否存在短路电流越限和已采取的控制措施；

预测模型选择模块，用于根据相应的短路电流越限元件和已采取的控制措施，选择预先构建的对应样本集的辅助决策控制措施预测模型，若不存在短路电流越限元件和已采取的控制措施则结束辅助决策流程；

预测模块，用于对当前运行方式提取特征量，按照预设的适用性判断规则，选择适用于当前运行方式的预测模型，并利用所选择的辅助决策控制措施预测模型得到辅助决策控制措施建议；

二次综合计算模块，用于按照辅助决策控制措施建议调整后的当前运行方式进行短路电流计算、预想故障安全稳定校核计算和断面最大输电功率计算，并判断各计算结果是否满足要求；

常规辅助决策控制措施计算模块，用于响应于二次综合计算模块的计算结果非全部满足时，进行基于详细计算的常规辅助决策控制措施计算，得到常规辅助决策控制措施；

以及辅助决策控制措施确定模块，用于：响应于二次综合计算的结果全部满足要求，将预测模型得到的辅助决策控制措施建议作为当前运行方式的辅助决策控制措施；响应于二次综合计算的结果中仍存在短路电流越限元件，将预测模型得到的辅助决策控制措施建议以及常规辅助决策控制措施，共同作为当前运行方式的最终辅助决策控制措施；以及响应于其它计算结果不满足的情形，将常规辅助决策控制措施作为最终辅助决策控制措施；

其中，所述预先构建的辅助决策控制措施预测模型的构建方法包括：

获取历史短路电流越限事件信息作为初始样本集；

响应于样本集已更新，则获取更新后的样本集；

按照短路电流越限元件和辅助决策前已采取的控制措施将样本集分为多个样本子集；

针对样本子集中有2种及以上辅助决策控制措施的各样本子集，分别进行特征量提取；

基于所提取的特征量，以样本子集中所包括的辅助决策控制措施为分类标签，进行分类预测模型训练，即得到相应样本子集的辅助决策控制措施预测模型；

样本子集中仅有1种辅助决策控制措施的样本子集，其对应的预测模型输出始终为相应的一种辅助决策控制措施；

所述预设的适用性判断规则为：

计算当前运行方式与样本子集中所有样本的样本子集特征量的标准化欧式距离，若当前运行方式与样本子集中预设数量k个最邻近样本的距离均小于指定门槛值，则判断为预测模型适用于当前运行方式；否则认为预测模型不适用于当前运行方式。

9.根据权利要求8所述的限制短路电流运行方式的智能辅助决策装置，其特征是，还包括：

样本生成模块，对当前运行方式进行蒙特卡洛抽样，得到当前运行方式的附近运行方式样本，对各附近运行方式样本分别进行常规辅助决策控制措施计算；

样本集更新模块，用于将当前运行方式及其最终辅助决策控制措施，和附近运行方式及其常规辅助决策控制措施作为新的样本，更新所述辅助决策控制措施预测模型的训练样本集；

以及预测模型训练模块，用于基于初始样本集或更新后的训练样本集进行样本子集划分以及对应各样本子集的模型训练，得到对应各样本子集的预测模型，用于后续辅助决策控制措施计算。

10.一种限制短路电流运行方式的智能辅助决策系统，其特征是，包括：

样本特征抽取模块，用于按照预先指定的关键特征量类型对样本集合中所有样本抽取特征量；

预测模型训练模块，用于根据初始样本或更新后样本集合中各个样本的分类标签，进行预测模型训练，建立样本特征量和分类标签之间的映射关系；

辅助决策控制措施预测模块，用于利用预测模型获得预测的当前方式的辅助决策控制措施；

预想故障安全稳定校核计算模块，用于基于电网设备模型参数和状态估计结果形成潮流、稳定计算数据，结合静态、暂态安全稳定评估计算参数、设备安全稳定限值以及预想故障集数据，进行当前方式或控制措施实施后方式的预想故障安全稳定校核计算，获得预想故障热稳定、暂态功角稳定和暂态电压稳定裕度及其关键影响因素；

短路电流计算模块，用于基于潮流、稳定计算数据以及短路电流计算参数、母线和线路短路设备集合、断路器遮断容量限值，进行当前方式或控制措施实施后方式的短路电流校核计算，获得母线和线路短路电流，判断各母线和线路短路电流是否超过其断路器额定遮断容量及其关键影响因素；

断面最大输电功率计算模块，用于基于断面关联预想故障安全稳定校核计算数据和断面功率调整方式，进行当前方式或控制措施实施后方式的断面极限功率计算，获得断面最大输电功率；

常规辅助决策控制措施详细计算模块，用于以对安全稳定影响程度最小和操作元件开关最少为控制目标，针对短路电流越限元件和已经采取的短路电流控制措施，搜索满足短路电流越限要求的控制措施和已采取控制措施的恢复措施；

以及样本生成模块，用于对当前运行方式进行蒙特卡洛抽样生成当前方式附近的随机样本，对每一新生成的随机样本均进行基于常规详细计算方法的辅助决策控制措施计算，之后将所有运行方式及其计算结果存入样本集中；

其中，预测模型训练模块进行预测模型训练包括：

获取历史短路电流越限事件信息作为初始样本集；

响应于样本集已更新，则获取更新后的样本集；

按照短路电流越限元件和辅助决策前已采取的控制措施将样本集分为多个样本子集；

针对样本子集中有2种及以上辅助决策控制措施的各样本子集，分别进行特征量提取；

基于所提取的特征量，以样本子集中所包括的辅助决策控制措施为分类标签，进行分类预测模型训练，即得到相应样本子集的辅助决策控制措施预测模型；

样本子集中仅有1种辅助决策控制措施的样本子集，其对应的预测模型输出始终为相应的一种辅助决策控制措施。

Images