随着社会的发展,电力负荷不断增加,由于环境条件的制约,电力负荷中心远离电源中心,电力系统的运行接近极限,导致电压稳定问题日益凸显。为防止电压失稳,需要对电力系统进行电压稳定分析。分析电压稳定的方式包括离线分析在线应用和直接在线分析。在分析电压稳定时,需要对电力系统不同的运行方式和网架结构进行计算,随着电网规模的增大和区域电网之间的互联,网络的复杂性和运行方式的多样性不断增大;随着大规模可再生能源的接入,为电力系统的运行也增加了更多不确定因素。电网运行人员需要对更多的系统拓扑结构和运行状况进行分析,获得电压稳定判定规则。分析多种工况获取电压稳定判定规则计算量大、计算耗时长,直接在线分析电压稳定不能满足时间要求。利用手动或半自动的方法分析离线数据并且获得电压稳定评估规则非常耗时,并且分析结果依赖于个人的经验和知识,由于每一个电网运行人员的经验和知识都是有限的,所得的分析结果是不全面的。所以,迫切需要自动有效的提取电压稳定评估规则。本文提出运用数据挖掘技术自动提取电压稳定评估规则的方法,核心思路是在离线仿真获得海量数据的基础上,运用数据挖掘技术从海量数据中提取电压稳定判定规则,获取的规则可在线判断电压稳定性。首先,通过离线仿真获得大量离线数据。电网调度人员通常将电网运行状态分为:正常状态、警告状态和紧急状态,本文根据电压稳定裕度值将电网运行状态分为上述三种状态,对电力系统进行PV曲线分析,计算出PV曲线上各个运行点的电压稳定裕度值,获得数据挖掘算法所需样本集。其次,在获取电压稳定样本集的基础上,由于电力系统的高维性,数据挖掘算法的输入样本中包含了较多训练属性,使得模型训练时间较长。为去除冗余属性,提高数据挖掘算法的计算效率,本文在考虑电压失稳原因的基础上,筛选出与电压稳定具有密切联系的训练属性,首先根据模态分析初步确定影响电力系统电压稳定的关键属性,然后根据相关系数方法对训练属性集进一步优化,最终获得最佳的数据挖掘算法训练属性集,降低了训练属性的维度,提高数据挖掘算法的计算效率。然后,利用决策树算法对电力系统建立静态电压稳定裕度评估分类模型。此分类模型具有一定的泛化能力和较高的准确性,从模型中获得能够判断电力系统稳定状态的规则集合,可实时判断电力系统的运行状态。最后,为提高电压稳定裕度评估模型的评估准确性,采用随机森林算法对电力系统建立电压稳定裕度评估模型。考虑不同N-K故障的网架结构,在生成PV曲线时考虑不同的负荷增长方向,考虑更加全面的训练样本集,对静态电压稳定裕度进行在线评估。电网调度人员可根据实时采集的数据,利用数据挖掘模型,快速判断电网稳定状态,根据决策树和随机森林模型中的判断规则制定相应控制措施。