(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211084931.5 (22)申请日 2022.09.06 (71)申请人 广西大学 地址 530004 广西壮 族自治区南宁市大 学 路100号 (72)发明人 阳育德　黄钦　杨莉贞　李滨　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 万慧华 (51)Int.Cl. H02J 3/48(2006.01) H02J 3/50(2006.01) H02J 3/12(2006.01) G01R 19/165(2006.01) G01R 21/00(2006.01) G06N 20/00(2019.01) (54)发明名称 一种预测校正电力系统电压稳定L指标的方 法及系统 (57)摘要 本发明公开了一种预测校正电力系统电压 稳定L指标的方法及系统， 涉及电力系统静态电 压稳定在线评估和优化领域， 该方法包括： 获取 电力系统各节 点的运行数据； 运行数据包括有功 功率、 无功功率、 电压幅值和电压相角； 将运行数 据输入到训练好的机器学习BLS模型， 得到L指标 的预测值； 当L指标的预测值在电力系统电压稳 定崩溃的极限点设定的阈值范围内时， 提取运行 数据中与L指标相关的运行特征， 并根据运行特 征， 对电力系统的约束条件进行校正。 本发明能 够提高被评估的电力系统的电压稳定性， 从而保 证电力系统的安全稳定运行。 权利要求书2页 说明书10页 附图4页 CN 115459367 A 2022.12.09 CN 115459367 A 1.一种预测校正电力系统电压稳定L指标的方法， 其特 征在于， 所述方法包括： 获取电力系统各节点的运行数据； 所述运行数据包括有功功率、 无功功率、 电压幅值和 电压相角； 将所述运行数据输入到训练好的机器学习BLS模型， 得到L指标的预测值； 当所述L指标的预测值在电力系统电压稳定崩溃的极限点设定的阈值范围内时， 提取 所述运行数据中与L指标相关的运行特征， 并根据所述运行特征， 对电力系统的约束 条件进 行校正。 2.根据权利要求1所述的预测校正电力系统电压稳定L指标的方法， 其特征在于， 所述 机器学习BLS模型的训练过程包括： 根据所述 运行数据的历史数据， 计算对应的L指标 数值； 以所述运行数据的历史数据为输入， 以所述对应的L指标数值为输出， 对所述机器学习 BLS模型进行训练， 得到训练好的机器学习BLS模型。 3.根据权利要求1所述的预测校正电力系统电压稳定L指标的方法， 其特征在于， 所述 提取所述运行数据中与L指标相关的运行 特征， 具体包括： 利用特征分析法对所述 运行数据进行分析， 得到初始特 征； 从所述初始特征中筛选出与L指标的相关度满足设定要求的特征， 得到与L指标相关的 运行特征。 4.根据权利要求1所述的预测校正电力系统电压稳定L指标的方法， 其特征在于， 所述 根据所述 运行特征， 对电力系统的约束条件进行 校正， 具体包括： 根据所述运行特征， 应用特征值优化方法， 通过L指标约束的潮流程序， 对电力系统进 行分析和求 解， 得到校正控制数据； 根据所述校正控制数据， 对电力系统的约束条件进行校正； 所述约束条件包括发电机 的有功功 率的上限、 发电机的有功功 率的下限、 发电机的无功功 率的上限、 发电机的无功功 率的下限、 各节点电压的上限和各节点电压的下限。 5.根据权利要求1所述的预测校正电力系统电压稳定L指标的方法， 其特征在于， 所述 方法还包括： 获取校正后的电力系统各节点的运行 数据， 得到校正后的运行 数据； 将所述校正后的运行数据输入到训练好的机器学习BLS模型， 得到校正后的L指标的预 测值； 判断所述校正后的L指标的预测值是否在电力系统电压稳定崩溃的极限点设定的阈值 范围内； 当所述校正后的L指标的预测值在电力系统电压稳定崩溃的极限点设定的阈值范围内 时， 对所述电力系统的约束条件进行校正直到所述校正后的L指标的预测值不在电力系统 电压稳定崩溃的极限点设定的阈值范围内。 6.一种预测校正电力系统电压稳定L指标的系统， 其特 征在于， 所述系统包括： 数据采集模块， 用于获取电力系统各节点的运行数据； 所述运行数据包括有功功率、 无 功功率、 电压幅值和电压相角； 电压稳定指标预测模块， 用于将所述运行数据输入到训练好的机器学习BLS模型， 得到 L指标的预测值；权　利　要　求　书 1/2 页 2 CN 115459367 A 2校正模块， 用于当所述L指标的预测值在电力系统电压稳定崩溃的极限点设定的阈值 范围内时， 提取所述运行数据中与L指标相关的运行特征， 并根据所述运行特征， 对电力系 统的约束条件进行 校正。 7.根据权利要求6所述的预测校正电力系统电压稳定L指标的系统， 其特征在于， 所述 系统还包括训练模块； 所述训练模块包括： 计算执行模块， 用于根据所述 运行数据的历史数据， 计算对应的L指标 数值； 训练子模块， 用于以所述运行数据的历史数据为输入， 以所述对应的L指标数值为输 出， 对所述机器学习BLS模型进行训练， 得到训练好的机器学习BLS模型。 8.根据权利要求6所述的预测校正电力系统电压稳定L指标的系统， 其特征在于， 所述 校正模块包括： 分析子模块， 用于利用特 征分析法对所述 运行数据进行分析， 得到初始特 征； 筛选子模块， 用于从所述初始特征中筛选出与L指标的相关度满足设定要求的特征， 得 到运行特征。 9.根据权利要求6所述的预测校正电力系统电压稳定L指标的系统， 其特征在于， 所述 校正模块还 包括： 数据特征分析模块， 用于根据所述运行特征， 应用特征值优化方法， 通过L指标约束的 潮流程序， 对电力系统进行分析和求 解， 得到校正控制数据； 校正控制模块， 用于根据 所述校正控制数据， 对电力系统 的约束条件进行校正； 所述约 束条件包括发电机的有功功率的上限、 发电机的有功功率的下限、 发电机的无功功率的上 限、 发电机的无功 功率的下限、 各节点电压的上限和各节点电压的下限。 10.根据权利要求6所述的预测校正电力系统电压稳定L指标的系统， 其特征在于， 所述 系统还包括： 校正后的数据采集模块， 用于获取校正后的 电力系统各节点的运行数据， 得到校正后 的运行数据； 校正后的电压稳定指标预测模块， 用于将所述校正后的运行数据输入到训练好的机器 学习BLS模型， 得到校正后的L指标的预测值； 校正后的判断模块， 用于判断所述校正后的L指标的预测值是否在电力系统电压稳定 崩溃的极限点设定的阈值范围内； 监测模块， 用于当所述校正后的L指标的预测值在电力系统电压稳定崩溃的极限点设 定的阈值范围内时， 对所述电力系统的约束条件进行校正直到所述校正后的L指标 的预测 值不在电力系统电压稳定崩溃的极限点设定的阈值范围内。权　利　要　求　书 2/2 页 3 CN 115459367 A 3