基于遗传算法优化的快变量退化方法中快变量的选择方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115859771A(43)申请公布日2023.03.28(21)申请号202211311784.0G06F17/16(2006.01)(22)申请日2022.10.25G06Q50/06(2012.01)G06F119/02(2020.01)(71)申请人国家电网有限公司G06F113/04(2020.01)地址100031北京市西城区西长安街86号申请人国网陕西省电力有限公司电力科学研究院西安交通大学(72)发明人王毅钊张志华刘浩胡妍捷焦在滨(74)专利代理机构西安通大专利代理有限责任公司61200专利代理师贺小停(51)Int.Cl.G06F30/27(2020.01)G06N3/12(2023.01)权利要求书2页说明书9页附图3页(54)发明名称基于遗传算法优化的快变量退化方法中快变量的选择方法(57)摘要本发明公开了基于遗传算法优化的快变量退化方法中快变量的选择方法，根据系统状态空间模型的特征值分布情况确定主导模态，利用参与因子分析法初步选择对于各主导模态的参与因子值均小于所设常数参数的状态变量作为快变量，并考虑到快变量退化方法在电力系统状态空间模型中应用的前提，构建遗传算法模型对快变量的选取进行优化。利用该发明对快变量的选取结果，可将输电系统状态空间模型的快、慢子系统分离，通过快变量退化方法实现对系统状态空间方程的快速求解。本发明能够保证快变量退化方法成功应用到输电系统空载线路合闸过电压评估的线性状态空间模型中，可保证选择的快变量对系统影响足够小，从而在快变量退化过程中减小快速求解的误差。CN115859771ACN115859771A权利要求书1/2页1.基于遗传算法优化的快变量退化方法中快变量的选择方法，其特征在于，包括：步骤1、对整体待研究系统进行状态空间建模，根据系统状态空间模型的特征值分布情况确定所有主导模态；步骤2、对系统所有状态变量与步骤1中所得所有主导模态进行参与因子分析，根据参与因子分析结果，初步选择对于各主导模态的参与因子值均小于所设常数参数的状态变量作为快变量，其余状态变量作为慢变量；步骤3：通过构建遗传算法模型，对步骤2中快变量的初步选择结果进行进一步优化，得到最终的快变量选择结果。2.根据权利要求1所述的基于遗传算法优化的快变量退化方法中快变量的选择方法，其特征在于，步骤1中系统状态空间模型的特征值λ求解方式如下：det(A‑λI)＝0其中，A为系统的状态空间矩阵；I为与A同阶的单位矩阵。3.根据权利要求2所述的基于遗传算法优化的快变量退化方法中快变量的选择方法，其特征在于，步骤1中主导模态的选择标准如下：|Re(λi)|≤kmode其中，λi为系统状态空间模型的第i个特征值；Re(λi)为第i个特征值的实部；kmode为依据经验设置的用于识别主导模态的常数参数。4.根据权利要求2所述的基于遗传算法优化的快变量退化方法中快变量的选择方法，其特征在于，步骤2中将系统的左、右特征向量进行结合求得各个状态变量对应于系统各个主导模态的参与因子，所述系统的左、右特征向量的求解方式如下：T其中，n为系统状态空间模型的特征值个数；非零向量vi,ui分别称为矩阵A关于特征值λi的右特征向量和左特征向量。5.根据权利要求4所述的基于遗传算法优化的快变量退化方法中快变量的选择方法，其特征在于，所述右特征向量vi中的第k个元素vki能够度量状态变量xk在第i个主导模态中T的活动程度，而左特征向量ui中的第k个元素能够对第i个主导模态的作用进行加权，因此将两者相乘即可得到参与因子，用于量测状态变量xk对于第i个主导模态的作用程度，计算方式如下：其中，P为参与矩阵；参与因子pki＝ukivki，用于对第k个状态变量xk之于第i个主导模态的作用进行度量，参与因子的值越大，则表示第k个状态变量对第i个主导模态的作用越大。6.根据权利要求5所述的基于遗传算法优化的快变量退化方法中快变量的选择方法，2CN115859771A权利要求书2/2页其特征在于，所述根据参与因子分析结果，初步选择对所有主导模态的参与因子均小于所设常数参数的状态变量作为快变量，选择方法如下：max(pk)＜kfv，k＝1,...,n.其中，向量pk＝[pk1,pk2,…,pkm]为第k个状态变量xk对于m个主导模态的参与因子向量；kfv为依据经验设置的衡量状态变量对系统主导模态影响程度的常数参数，若第k个状态变量xk对于所有主导模态的最大值都小于kfv，则该变量对于系统主要动态过程的作用足够小，被初步选作快变量。7.根据权利要求6所述的基于遗传算法优化的快变量退化方法中快变量的选择方法，其特征在于，步骤3中通过设置决策变量，用于决定是否将初步选定的快变量选为最终的快变量，具体如下：其中