基于蟻群算法的電力系統(tǒng)干擾穩(wěn)定評(píng)估研究

劉怡, 王爽, 高靜, 褚智潔, 劉海洋

(國(guó)網(wǎng)天津市電力公司信息通信公司, 天津 300140)

0 引言

電力系統(tǒng)是由發(fā)電廠、送變電線路、供配電站、用電設(shè)備等構(gòu)成的電力生產(chǎn)和消費(fèi)體系,其作用是把自然界中的一次能量通過(guò)發(fā)電站轉(zhuǎn)換為電力,再經(jīng)輸電、變電、分配等環(huán)節(jié)向用戶提供電能。為了達(dá)到這種目的,在電力系統(tǒng)的各個(gè)環(huán)節(jié)和各層級(jí)都設(shè)有相應(yīng)的監(jiān)控、調(diào)節(jié)、控制、保護(hù)等手段,確保用戶能夠獲得安全、優(yōu)質(zhì)的電能。電力系統(tǒng)中的各個(gè)供電節(jié)點(diǎn)可以相互連接,以達(dá)到區(qū)域間的交流和調(diào)整,保證電力供應(yīng)的安全。電力系統(tǒng)的建設(shè)要確保以先進(jìn)的技術(shù)設(shè)備和較高的經(jīng)濟(jì)效益為前提,使電能的生產(chǎn)和消費(fèi)達(dá)到合理協(xié)調(diào)。

電力系統(tǒng)的運(yùn)行穩(wěn)定性直接決定了用戶終端的用電質(zhì)量,因此有必要對(duì)電力系統(tǒng)的實(shí)時(shí)穩(wěn)定情況進(jìn)行評(píng)估。電力系統(tǒng)穩(wěn)定性是指電網(wǎng)在受到干擾后能夠快速恢復(fù)穩(wěn)定的性能。當(dāng)電力系統(tǒng)不穩(wěn)定時(shí),系統(tǒng)中一些母線的電壓降低或上升,引發(fā)系統(tǒng)中傳輸線路跳閘、級(jí)聯(lián)停電、發(fā)電機(jī)不能同步等事故。由此可見(jiàn),干擾是導(dǎo)致電力系統(tǒng)不穩(wěn)定的直接影響因素,為此提出了電力系統(tǒng)干擾穩(wěn)定評(píng)估方法。周書(shū)宇等[1]提出基于隨機(jī)數(shù)據(jù)驅(qū)動(dòng)的電力系統(tǒng)小干擾穩(wěn)定在線評(píng)估方法,基于正交投影的矩陣線性變換得到其奇異子陣,利用共軛梯度算法迭代求解最佳低維正交空間。吳小珊等[2]提出基于矩陣束的電力系統(tǒng)小干擾穩(wěn)定性分析模型及其特征分析方法,建立在新模型上的特征值求解的位移逆變換稀疏實(shí)現(xiàn)方法、靈敏度求解、能控能觀性分析等多個(gè)特征分析技術(shù)。然而上述評(píng)估方法在實(shí)際應(yīng)用過(guò)程中由于設(shè)置評(píng)估指標(biāo)不全面,導(dǎo)致最終的穩(wěn)定性評(píng)估結(jié)果的可信度降低,最終導(dǎo)致評(píng)估方法的應(yīng)用性能下降。為了解決上述傳統(tǒng)評(píng)估方法存在的問(wèn)題,引入蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)算法。

神經(jīng)網(wǎng)絡(luò)存在許多不足之處,例如算法收斂速度慢、易陷入局部極小值等。因此在此次電力系統(tǒng)干擾穩(wěn)定評(píng)估方法的優(yōu)化設(shè)計(jì)工作中,在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,利用蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的工作參數(shù),最終利用優(yōu)化的神經(jīng)網(wǎng)絡(luò)在干擾環(huán)境下提取電力系統(tǒng)的工作特征參數(shù),以期能夠提高電力系統(tǒng)干擾穩(wěn)定評(píng)估方法的應(yīng)用價(jià)值,為電力系統(tǒng)穩(wěn)定性控制提供輔助工具。

1 電力系統(tǒng)干擾穩(wěn)定評(píng)估方法設(shè)計(jì)

電力系統(tǒng)的實(shí)時(shí)干擾穩(wěn)定評(píng)價(jià)既受其自身工作狀況的影響,也與其外在因素有關(guān)。其自身工作狀況是指電網(wǎng)各組成部分的健康狀況,包括桿塔變形、絕緣老化等,會(huì)引起線路失效。外部環(huán)境是指電力系統(tǒng)所處的周邊地理環(huán)境,它主要是指電網(wǎng)運(yùn)行時(shí)所經(jīng)過(guò)的地區(qū)的天氣情況。因此,電力系統(tǒng)穩(wěn)定評(píng)估需要綜合當(dāng)前氣象狀況和電力系統(tǒng)健康狀態(tài)兩種情況。圖1表示電力系統(tǒng)干擾穩(wěn)定評(píng)估方法的基本流程。按照?qǐng)D1流程,利用蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)可以分析出電力系統(tǒng)受環(huán)境干擾而產(chǎn)生的變化,從而得出較為精準(zhǔn)的綜合評(píng)估結(jié)果。

圖1 電力系統(tǒng)干擾穩(wěn)定評(píng)估流程圖

1.1 設(shè)置電力系統(tǒng)穩(wěn)定分級(jí)標(biāo)準(zhǔn)

在綜合考慮內(nèi)部因素與外界環(huán)境的情況下,依據(jù)《電力系統(tǒng)安全穩(wěn)定導(dǎo)則》[3],設(shè)置穩(wěn)定分級(jí)標(biāo)準(zhǔn),如表1所示。根據(jù)電力系統(tǒng)的實(shí)時(shí)工作數(shù)據(jù),計(jì)算對(duì)應(yīng)的干擾穩(wěn)定評(píng)估數(shù)據(jù),將計(jì)算結(jié)果與表1中的分級(jí)標(biāo)準(zhǔn)進(jìn)行比對(duì),便可得出當(dāng)前電力系統(tǒng)的干擾穩(wěn)定等級(jí)。

表1 電力系統(tǒng)穩(wěn)定分級(jí)標(biāo)準(zhǔn)

1.2 構(gòu)建電力系統(tǒng)干擾模型

從結(jié)構(gòu)方面來(lái)看,電力系統(tǒng)由發(fā)電機(jī)、原動(dòng)機(jī)、調(diào)速器、勵(lì)磁模塊等部分組成。電力系統(tǒng)具體的結(jié)構(gòu)組成如圖2所示。

圖2 電力系統(tǒng)組成結(jié)構(gòu)圖

電力系統(tǒng)的動(dòng)力學(xué)行為可以用微分-代數(shù)方程來(lái)描述,具體可以表示為

(1)

式(1)中,x和y分別表示狀態(tài)變量和運(yùn)行變量構(gòu)成的向量,f(x,y)和g(x,y)分別表示電力系統(tǒng)的微分函數(shù)和代數(shù)函數(shù)。

假設(shè)在初始狀態(tài)電力系統(tǒng)處于無(wú)干擾狀態(tài),電力系統(tǒng)的初始向量記為x0和y0,此時(shí)電力系統(tǒng)存在運(yùn)行平衡穩(wěn)定點(diǎn),可以表示為

(2)

在上述穩(wěn)定電力系統(tǒng)的基礎(chǔ)上,加入干擾變量,此時(shí)電力系統(tǒng)的狀態(tài)與運(yùn)行變量向量可以表示為

(3)

式(3)中,Δx和Δy表示電力系統(tǒng)中添加干擾變量造成的狀態(tài)波動(dòng)量和運(yùn)行波動(dòng)量,在Δx和Δy取值不為0的情況下,將式(3)的計(jì)算結(jié)果代入式(1)中,得出當(dāng)前電力系統(tǒng)的狀態(tài)與運(yùn)行向量均不為0,即當(dāng)前電力系統(tǒng)在干擾影響下不處于平衡穩(wěn)定狀態(tài)[4]。

按照上述方法,在電力系統(tǒng)結(jié)構(gòu)模型的基礎(chǔ)上,融合實(shí)時(shí)運(yùn)行數(shù)據(jù)得出電力系統(tǒng)干擾模型的構(gòu)建結(jié)果。

1.3 采集電力系統(tǒng)實(shí)時(shí)運(yùn)行數(shù)據(jù)

根據(jù)電力系統(tǒng)的工作原理設(shè)置測(cè)點(diǎn),并在測(cè)點(diǎn)位置上安裝傳感器設(shè)備,通過(guò)設(shè)置采樣間隔時(shí)間和連續(xù)采樣時(shí)間,獲取電力系統(tǒng)實(shí)時(shí)電壓、頻率的運(yùn)行數(shù)據(jù)[5]。為保證電力系統(tǒng)實(shí)時(shí)運(yùn)行數(shù)據(jù)的采集質(zhì)量,利用數(shù)字濾波技術(shù)對(duì)初始數(shù)據(jù)進(jìn)行降噪處理,處理過(guò)程可以表示為

(4)

式(4)中,N表示運(yùn)行數(shù)據(jù)的采樣數(shù)量,Ui表示第i次采樣得出的電力系統(tǒng)電壓數(shù)據(jù)采集結(jié)果。

由此完成電力系統(tǒng)實(shí)時(shí)運(yùn)行數(shù)據(jù)的采集與處理。

1.4 提取電力系統(tǒng)工作特征

電力系統(tǒng)工作特征的提取大體分為3個(gè)步驟,分別為構(gòu)建神經(jīng)網(wǎng)絡(luò)、利用蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的工作參數(shù),最終利用優(yōu)化的神經(jīng)網(wǎng)絡(luò)在干擾環(huán)境下提取電力系統(tǒng)的工作特征參數(shù)[6]。在此次電力系統(tǒng)干擾穩(wěn)定評(píng)估過(guò)程中采用多層前向型、誤差反向傳播學(xué)習(xí)算法的神經(jīng)網(wǎng)絡(luò)。圖3為神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。

圖3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖3中輸入層能夠?qū)⑸窠?jīng)網(wǎng)絡(luò)的輸入值變量送入隱含層,在整個(gè)神經(jīng)網(wǎng)絡(luò)算法中不參與計(jì)算。隱含層內(nèi)各個(gè)層次的神經(jīng)元沒(méi)有反饋,但神經(jīng)元的狀態(tài)值對(duì)輸入和輸出兩個(gè)層次的關(guān)系都有一定的影響。在該模型中,同一層次的神經(jīng)元沒(méi)有連接,而在鄰近的層次上則完全連接[7]。由于同一層面的神經(jīng)元沒(méi)有耦合,每個(gè)層面的神經(jīng)元僅受到上一層神經(jīng)元的作用。定義初始神經(jīng)網(wǎng)絡(luò)中輸入層、隱含層和輸出層的神經(jīng)元節(jié)點(diǎn)數(shù)量分別為m、p和q,則隱含層各節(jié)點(diǎn)的輸出結(jié)果可以表示為

(5)

式(5)中,ωij和xij分別表示隱含層權(quán)值以及輸入層導(dǎo)入的初始數(shù)據(jù)。

同理可以得出輸出層的輸出結(jié)果為

(6)

式(6)中,ωjk表示輸出層的權(quán)值。

通過(guò)式(5)的計(jì)算可以得出zij的實(shí)際取值[8]。f()為激勵(lì)函數(shù),其表達(dá)式為

(7)

神經(jīng)網(wǎng)絡(luò)算法在迭代過(guò)程中需要對(duì)其實(shí)時(shí)權(quán)重進(jìn)行調(diào)整更新,并判斷當(dāng)前神經(jīng)網(wǎng)絡(luò)輸出結(jié)果是否滿足精度要求,判斷過(guò)程可以表示為

(8)

式(8)中,yideal表示設(shè)置的理想輸出,將式(6)的計(jì)算結(jié)果代入式(8)中,若計(jì)算得出的網(wǎng)絡(luò)誤差低于設(shè)置閾值,則證明當(dāng)前神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)完成,否則需返回到輸入層,重新執(zhí)行一次學(xué)習(xí)任務(wù)[9]。

為了提高神經(jīng)網(wǎng)絡(luò)對(duì)電力系統(tǒng)工作特征的提取效果,利用蟻群算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化。當(dāng)一只螞蟻在尋找一條新的路線的時(shí)候,它會(huì)隨機(jī)地選擇一條路線,然后釋放出與這條路線相關(guān)的信息素[10]。在一定的時(shí)間間隔內(nèi),短路徑上的信息素累計(jì)加強(qiáng),被后續(xù)螞蟻選擇概率增大,經(jīng)過(guò)一段時(shí)間間隔后,最短的路徑被選擇出來(lái),螞蟻可以通過(guò)協(xié)作得到蟻巢和食物之間的最短路徑。根據(jù)上述原理,利用式(9)可以計(jì)算出t時(shí)刻螞蟻k由i轉(zhuǎn)移到元素j的狀態(tài)轉(zhuǎn)移概率。

(9)

式(9)中,τij和ηik表示t時(shí)刻鏈路(i,j)上含有的信息量和啟發(fā)函數(shù),變量α和β對(duì)應(yīng)的是信息啟發(fā)式因子和期望啟發(fā)式因子。在每個(gè)螞蟻選定了一個(gè)元素之后,或者對(duì)全部n個(gè)元素進(jìn)行了一次遍歷之后,就必須對(duì)路徑上的剩余信息進(jìn)行更新。在t+n時(shí)刻,路徑(i,j)的信息量可按式(10)進(jìn)行更新調(diào)整。

(10)

式(10)中,ρ表示信息素殘留系數(shù)。

在神經(jīng)網(wǎng)絡(luò)優(yōu)化過(guò)程中,利用蟻群算法搜索神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的最優(yōu)解,首先利用式(11)表示原理讓m螞蟻進(jìn)行尋路。

(11)

式(11)中,κ、kt和κ0分別表示螞蟻所處區(qū)間號(hào)、t時(shí)刻所處區(qū)間號(hào)以及初始位置所處區(qū)間號(hào),P為路徑選擇過(guò)程中的確定概率,P0為設(shè)置的概率閾值。

根據(jù)式(10)對(duì)螞蟻選擇的路徑進(jìn)行信息素局部更新,每一個(gè)螞蟻選擇的初始路徑作為初始權(quán)值和閾值,訓(xùn)練輸入神經(jīng)網(wǎng)絡(luò)中的所有樣本,得到對(duì)應(yīng)的路徑輸出,并利用式(8)計(jì)算全局誤差[11]。比較螞蟻完成一次構(gòu)造解得到最小誤差與E之間的大小關(guān)系,若當(dāng)前誤差小于E,則當(dāng)前得到的最優(yōu)解為神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,完成神經(jīng)網(wǎng)絡(luò)的優(yōu)化,否則需重復(fù)上述操作,直到達(dá)到最大迭代數(shù)。將實(shí)時(shí)采集的電力系統(tǒng)運(yùn)行數(shù)據(jù)作為輸入項(xiàng)代入優(yōu)化的神經(jīng)網(wǎng)絡(luò),從時(shí)域和頻域兩個(gè)方面得出電力系統(tǒng)運(yùn)行特征的提取結(jié)果。

1.5 選擇電力系統(tǒng)干擾穩(wěn)定評(píng)估指標(biāo)

電力系統(tǒng)干擾穩(wěn)定評(píng)估指標(biāo)的選擇情況如圖4所示。

圖4 電力系統(tǒng)干擾穩(wěn)定評(píng)估指標(biāo)框圖

由圖4可知,電力系統(tǒng)干擾穩(wěn)定評(píng)估指標(biāo)分為外界環(huán)境指標(biāo)和內(nèi)部運(yùn)行指標(biāo)。電力系統(tǒng)干擾穩(wěn)定評(píng)估指標(biāo)大體可以分為正相關(guān)指標(biāo)和負(fù)相關(guān)指標(biāo)兩種類(lèi)型,其中正相關(guān)指標(biāo)指的是取值越大穩(wěn)定性越高的指標(biāo),而負(fù)相關(guān)指標(biāo)則對(duì)應(yīng)的是取值越小穩(wěn)定性越大的指標(biāo)。電壓穩(wěn)定度指標(biāo)為

(12)

式(12)中,Ui(t)和Ui,ref分別表示t時(shí)刻采集的電力系統(tǒng)電壓運(yùn)行數(shù)據(jù)和額定電壓值,ΔUi,lim為電力系統(tǒng)允許最大電壓偏移量,Nsampling為電壓采樣量。

另外電力系統(tǒng)控制參數(shù)穩(wěn)定度指標(biāo)為

(13)

式(13)中,CΔ和CΔ*分別表示控制參數(shù)在系統(tǒng)干擾發(fā)生后的變化量和維持系統(tǒng)穩(wěn)態(tài)運(yùn)行允許的最大動(dòng)態(tài)調(diào)整量。

上述干擾穩(wěn)定評(píng)估指標(biāo)均為正相關(guān)指標(biāo),而干擾強(qiáng)度和干擾時(shí)間為負(fù)相關(guān)指標(biāo),將利用蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)提取的電力系統(tǒng)工作特征代入指標(biāo)計(jì)算公式中,得出各個(gè)電力系統(tǒng)干擾穩(wěn)定評(píng)估指標(biāo)的具體取值。

1.6 電力系統(tǒng)干擾穩(wěn)定評(píng)估指標(biāo)權(quán)重值

在運(yùn)用AHP方法對(duì)不同評(píng)估指標(biāo)進(jìn)行加權(quán)系數(shù)求解時(shí),首先要運(yùn)用專(zhuān)家的知識(shí)經(jīng)驗(yàn),對(duì)各指標(biāo)間的關(guān)系進(jìn)行比較,并根據(jù)專(zhuān)家對(duì)各指標(biāo)的關(guān)聯(lián)度進(jìn)行排序,運(yùn)用價(jià)值熵函數(shù)對(duì)各指標(biāo)的熵值進(jìn)行計(jì)算與分析,得到不同指標(biāo)重要程度的數(shù)值表示即權(quán)重系數(shù)。權(quán)重值的計(jì)算結(jié)果可以表示為

(14)

按照上述方式,可以得出所有電力系統(tǒng)干擾穩(wěn)定評(píng)估指標(biāo)的權(quán)重值計(jì)算結(jié)果。

1.7 電力系統(tǒng)干擾穩(wěn)定評(píng)估

在電力系統(tǒng)干擾模型中,利用下述公式可以得出電力系統(tǒng)的干擾穩(wěn)定評(píng)估值。

(15)

將各穩(wěn)定評(píng)估指標(biāo)的取值結(jié)果以及指標(biāo)權(quán)重的求解結(jié)果代入式(15)中,即可得出具體的評(píng)估值計(jì)算結(jié)果,將式(15)得出數(shù)據(jù)與表1中設(shè)置的分級(jí)標(biāo)準(zhǔn)進(jìn)行比對(duì),便可確定當(dāng)前電力系統(tǒng)的干擾穩(wěn)定等級(jí)評(píng)估結(jié)果。

2 實(shí)驗(yàn)分析

為了驗(yàn)證優(yōu)化設(shè)計(jì)基于蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)干擾穩(wěn)定評(píng)估方法在實(shí)際電力系統(tǒng)管理與維護(hù)工作中的應(yīng)用價(jià)值,選擇傳統(tǒng)的基于隨機(jī)數(shù)據(jù)驅(qū)動(dòng)的電力系統(tǒng)穩(wěn)定評(píng)估方法作為實(shí)驗(yàn)的對(duì)比方法,體現(xiàn)出優(yōu)化設(shè)計(jì)方法的運(yùn)行與應(yīng)用優(yōu)勢(shì)。

2.1 電力系統(tǒng)概況

選擇某市電力系統(tǒng)作為研究對(duì)象,該電力系統(tǒng)主要通過(guò)500 kV交流線路和多回直流線路互聯(lián)。圖5為電力系統(tǒng)的基本接線結(jié)構(gòu)。以300 MW和600 MW電機(jī)組作為發(fā)電裝置,線路長(zhǎng)9895 km,覆蓋面積達(dá)到890 km2,設(shè)置了8個(gè)變電站,涉及154臺(tái)變壓器設(shè)備,其中降壓變壓器和升壓變壓器的數(shù)量分別為141臺(tái)和33臺(tái)。據(jù)不完全統(tǒng)計(jì),2021年該電力系統(tǒng)發(fā)電的最高負(fù)荷達(dá)到了11 240 MW,最高用電負(fù)荷為10 424 MW。選擇多次實(shí)驗(yàn)取平均值的方式,充分考慮電力系統(tǒng)不同的工作狀態(tài),通過(guò)控制接入電力系統(tǒng)中用電設(shè)備的工作狀態(tài),將電力系統(tǒng)分為空載和負(fù)載兩種工況,在初始狀態(tài)下保證電力系統(tǒng)無(wú)干擾影響,始終處于穩(wěn)定運(yùn)行狀態(tài)。

圖5 研究電力系統(tǒng)接線圖

2.2 配置電力系統(tǒng)干擾源

在電力系統(tǒng)運(yùn)行環(huán)境中設(shè)置一個(gè)低頻振蕩干擾裝置,在不同時(shí)段設(shè)置干擾裝置發(fā)出的干擾信號(hào)強(qiáng)度分別為0.2 dB、0.8 dB、1.2 dB、1.6 dB和2.5 dB,從而實(shí)現(xiàn)電力系統(tǒng)干擾源的配置,并依據(jù)干擾配置情況,確定對(duì)應(yīng)電力系統(tǒng)的干擾穩(wěn)定等級(jí),以此作為判斷評(píng)估結(jié)果是否正確的評(píng)判標(biāo)準(zhǔn)。

2.3 設(shè)定工作參數(shù)

由于優(yōu)化設(shè)計(jì)的電力系統(tǒng)干擾穩(wěn)定評(píng)估方法應(yīng)用了蟻群算法和神經(jīng)網(wǎng)絡(luò)算法,為保證上述兩種算法能夠在實(shí)驗(yàn)環(huán)境中正常運(yùn)行,需要設(shè)定相應(yīng)的工作參數(shù)。設(shè)置蟻群算法中信息殘留程度系數(shù)ρ的取值為0.75,初始螞蟻數(shù)量為100只,存儲(chǔ)單元數(shù)量為60個(gè),而神經(jīng)網(wǎng)絡(luò)算法中設(shè)置輸入層、隱含層的樣本數(shù)量分別為80個(gè)和40個(gè),學(xué)習(xí)率設(shè)置為0.002,最大迭代次數(shù)為200次。

2.4 描述實(shí)驗(yàn)過(guò)程

在實(shí)驗(yàn)環(huán)境安裝并配置完成的基礎(chǔ)上,利用編碼工具將電力系統(tǒng)干擾穩(wěn)定評(píng)估方法轉(zhuǎn)換成計(jì)算機(jī)能夠直接運(yùn)行的程序代碼,利用硬件設(shè)備收集不同狀態(tài)下電力系統(tǒng)的運(yùn)行數(shù)據(jù)。按照評(píng)估方法的設(shè)計(jì)流程,得出電力系統(tǒng)干擾穩(wěn)定評(píng)估結(jié)果,如圖6所示。

圖6 電力系統(tǒng)干擾穩(wěn)定評(píng)估結(jié)果

為了體現(xiàn)出優(yōu)化設(shè)計(jì)評(píng)估方法的運(yùn)行優(yōu)勢(shì),從評(píng)估精度和評(píng)估方法的應(yīng)用性能兩個(gè)方面設(shè)置量化測(cè)試指標(biāo),其中評(píng)估精度的測(cè)試指標(biāo)為電力系統(tǒng)干擾穩(wěn)定等級(jí)的評(píng)估正確率,其數(shù)值結(jié)果為

(16)

式(16)中,Numcor和Numall分別表示評(píng)估正確的樣本數(shù)量和實(shí)驗(yàn)設(shè)置的樣本總數(shù)。變量Numall的具體取值由干擾源的啟動(dòng)次數(shù)決定,對(duì)比評(píng)估方法的輸出結(jié)果與設(shè)置干擾源對(duì)應(yīng)穩(wěn)定等級(jí)的一致性,確定Numcor的具體取值,最終計(jì)算得出η的值越大,證明對(duì)應(yīng)評(píng)估方法的精度越高。另外,設(shè)置評(píng)估方法的執(zhí)行時(shí)間以及應(yīng)用評(píng)估方法后電力系統(tǒng)干擾損失金額作為應(yīng)用性能測(cè)試指標(biāo),其中評(píng)估方法的執(zhí)行時(shí)間可以通過(guò)調(diào)取主測(cè)計(jì)算機(jī)的后臺(tái)運(yùn)行數(shù)據(jù)直接得出,而干擾損失金額則可以通過(guò)查詢電力系統(tǒng)管理數(shù)據(jù)直接得出,最終得出評(píng)估方法執(zhí)行時(shí)間越短、干擾損失金額越少的結(jié)論,證明對(duì)應(yīng)評(píng)估方法的應(yīng)用價(jià)值越高。

2.5 實(shí)驗(yàn)結(jié)果與分析

通過(guò)兩種電力系統(tǒng)干擾穩(wěn)定評(píng)估方法的運(yùn)行,得出評(píng)估精度的測(cè)試結(jié)果,如表2所示。

表2 電力系統(tǒng)干擾穩(wěn)定評(píng)估精度測(cè)試對(duì)比結(jié)果

將表2中的數(shù)據(jù)代入式(16),得出基于隨機(jī)數(shù)據(jù)驅(qū)動(dòng)的電力系統(tǒng)穩(wěn)定評(píng)估方法穩(wěn)定等級(jí)評(píng)估正確率的平均值為91.39%,優(yōu)化設(shè)計(jì)方法的平均穩(wěn)定等級(jí)評(píng)估正確率為98.89%,魯棒性較強(qiáng)。另外,電力系統(tǒng)干擾穩(wěn)定評(píng)估方法的應(yīng)用性能測(cè)試對(duì)比結(jié)果如圖7所示。

圖7 電力系統(tǒng)干擾穩(wěn)定評(píng)估方法應(yīng)用性能對(duì)比結(jié)果

從圖7可以直觀地看出,與傳統(tǒng)評(píng)估方法相比,優(yōu)化設(shè)計(jì)方法的評(píng)估運(yùn)行時(shí)間更短。將優(yōu)化設(shè)計(jì)方法得出的評(píng)估結(jié)果應(yīng)用到電力系統(tǒng)的干擾控制與運(yùn)行管理工作中,能夠有效地降低因干擾引起的經(jīng)濟(jì)損失,由此證明優(yōu)化設(shè)計(jì)的基于蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)干擾穩(wěn)定評(píng)估方法具有更高的應(yīng)用價(jià)值。

3 結(jié)束語(yǔ)

在社會(huì)用電需求不斷增長(zhǎng)的大背景下,需要電力系統(tǒng)產(chǎn)生并處理更多的電力以滿足用電需求,這也為電力系統(tǒng)帶來(lái)更大的負(fù)荷和安全隱患。基于蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)干擾穩(wěn)定評(píng)估方法的設(shè)計(jì)與應(yīng)用,準(zhǔn)確地反映了電力系統(tǒng)的實(shí)時(shí)工作狀態(tài),并為其穩(wěn)定性控制提供了參考依據(jù),具有較高的現(xiàn)實(shí)意義。在今后的發(fā)展中,考慮負(fù)荷波動(dòng)的干擾穩(wěn)定評(píng)估問(wèn)題,重新訓(xùn)練新的神經(jīng)網(wǎng)絡(luò)。