跟网型电化学储能虚拟惯性常数的常数化计算方法

在包含跟网型储能虚拟惯量控制的新型电力系统频率响应(SFR)建模应用中,跟网型储能的虚拟惯性常数具有时变特性,且无法聚合求解系统等效惯性常数,导致不能构建完整的SFR模型。基于此,提出了跟网型电化学储能虚拟惯性常数的常数化计算方法,通过计算具有等效惯性常数-能量支撑效果的常数化虚拟惯性常数,实现系统等效惯性常数的聚合求解。该方法根据能量变化关键节点和动态过程的约束条件,以及跟网型储能虚拟惯量响应的两阶段相异特征,建立了具有最相近能量变化的目标函数,以分段求解常数化虚拟惯性常数。最后,通过建立SFR模型,结合时域仿真法和相关评价指标验证了计算结果的精确性。

计及不确定性的随机暂态稳定约束最优潮流

为应对电力系统中不确定性对系统安全稳定造成的显著影响,提出一种计及不确定性的随机暂态稳定约束最优潮流方法。首先,采用威布尔和正态分布分别描述风电和负荷两种不确定性变量。其次,设置相应的置信水平,基于机会约束理论建立相应的概率约束,以期望值形式表达目标函数,从而建立计及不确定性的随机暂态稳定约束最优潮流模型。然后,通过半不变量法和Gram-Charlier级数求取电力系统输出变量的累积分布函数,并利用改进量子粒子群算法进行求解。最后,算例分析验证了所提方法的优越性和有效性。

结合噪声滤波的电力系统暂态稳定预测

为了解决电力系统实际运行过程中存在大量的输出噪声,提出了一种结合噪声滤波的电力系统暂态稳定预测框架。本框架基于最优样本选择(OSS)方法和覆盖距离(CD)结合生成的覆盖距离滤波器(CDF)进行噪声滤波,然后使用轻量级梯度提升机(LightGBM)模型进行电力系统暂态稳定预测。在仿真软件提供的23节点系统和美国南卡罗莱纳州500节点实际系统上进行的测试结果表明,所提出的电力系统暂态稳定预测框架能够有效过滤噪声,并具有较强的鲁棒性。

基于时空注意机制与LSTM的暂态电压稳定评估

针对新型电力系统发展背景下现阶段机器学习算法难以准确判断风电并网系统暂态电压稳定性的问题,提出一种基于时空注意机制与长短期记忆网络的暂态电压稳定评估方法。首先,基于支持向量机对初始单特征评价进行特征粗筛,并采用皮尔逊相关系数法判断剩余特征的相似度;其次,通过主成分分析-加权负荷评价获取与暂态电压稳定情况相关性较高的特征集;然后,通过时空注意机制,量化系统负载节点间的空间耦合关系和风电接入点间的空间相关性对整个系统暂态进程的影响,构建基于时空注意机制与长短期记忆网络的评估模型;最后,在算例上进行仿真分析,结果表明该模型有利于风电并网系统暂态电压稳定性判别准确率的提升,以及减少误判和漏判。

基于PCE的系统参数化暂态稳定约束最优潮流

为更好地应对电力系统中存在的不确定参数给暂态稳定性带来的影响,提出了一种基于多项式混沌展开(polynomial chaos expansion,PCE)和随机伽辽金法(stochastic Galerkin method,SGM)的参数化暂态稳定约束最优潮流(parameterized transient stability constrained optimal power flow,PTSCOPF)问题的求解方案。针对电力系统不确定参数建立PTSCOPF模型;基于PCE和SGM近似拟合参数化暂态稳定轨迹,将原始的微分代数方程组(differential algebraic equations,DAE)形式的PTSCOPF模型转化为代数方程组形式的参数化非线性规划(non-linear programming,NLP)问题;采用原始-对偶内点法求解该NLP问题。利用改进的新英格兰10机39节点系统算例进行了各项测试,仿真结果表明,所提方法能够实现系统在预想故障下保持暂态稳定的优化效果。

针对样本类不平衡的深度残差网络电力系统暂态稳定评估方法

系统的量测数据可能受到噪声以及样本类分布不平衡问题的影响,导致基于数据驱动的暂态稳定评估模型性能下降。提出一种针对样本类不平衡的的深度残差网络电力系统暂态稳定评估方法。首先,利用改进过采样技术为滤除噪声的少数类样本构造所需的新样本,改善样本类不平衡问题,并减少噪声的影响;然后,基于深度残差网络构建电力系统暂态稳定评估模型,解决梯度消失导致的模型性能退化问题,提高模型的鲁棒性和准确性;最后,在新英格兰10机39节点和47机140节点系统上的仿真结果表明,所提方法能减小噪声干扰、降低不平衡数据集所带来的影响和减少计算复杂度。

针对电力系统数据缺失的暂态电压稳定评估方法

针对数据缺失时暂态电压稳定评估模型精度下降的问题,提出一种基于多视图缺失数据填充和门控图神经网络的电力系统暂态电压稳定评估方法。首先,基于多视图互补的时空视图来填充缺失数据,得到完整的数据集;然后,采用修复完整的数据集训练门控图神经网络模型进行暂态电压稳定评估,评估模型要进行快速更新,以提高在线应用的性能;最后,在IEEE39节点系统算例上进行验证所提方法的有效性。仿真结果表明,本文方法可以在任何同步向量测量单元放置信息丢失和网络拓扑变化的情况下及时有效地填补缺失数据,且所用评估模型的评估性能具有显著优势。

基于逐步特征增广梯度提升的暂态功角稳定评估及可解释性分析

基于数据驱动的电力系统暂态功角稳定评估虽然可以提供较为准确的结果,但其评估结果缺乏可解释性,导致难以应用于工程实际中。针对该问题,提出一种基于逐步特征增广梯度提升(gradient boosting enhanced with step-wise feature augmentation,AugBoost)的暂态功角稳定评估及可解释性分析方法。首先,通过训练AugBoost评估模型,建立电力系统输入特征与暂态功角稳定指标之间的映射关系;其次,将相量测量单元的实时量测数据传输到训练好的AugBoost评估模型中,提供实时评估结果;并根据沙普利值加性解释(Shapley additive explanations,SHAP)模型对评估结果和输入特征之间的关系进行解释,提高结果的可信度。最后,设计模型更新过程来提升评估模型面对电力系统运行工况变化的鲁棒性。在电力系统仿真软件PSS/E提供的23节点系统和1648节点系统上的仿真结果验证了所提方法的有效性。

考虑风光不确定性的暂态稳定约束最优潮流模型研究

针对风光接入电力系统后的不确定性问题,同时为兼顾运行中的经济性和安全性,提出考虑风光不确定性的暂态稳定约束最优潮流(TSCOPF)模型和求解方法。首先,采用高斯混合模型(GMM)为电力系统中风光出力的预测误差模型,搭建包含旋转备用机会约束的TSCOPF模型;然后,利用序列运算对机会约束进行确定性转换,将TSCOPF模型转换为混合整数线性规划(MILP),并利用Gurobi求解器进行求解;最后,通过对IEEE 39节点的案例分析,验证了所提模型和方法的有效性。

基于MRMR-DRSN的电力系统暂态稳定评估

随着电力系统的广泛互联互通和相量测量单元(phasor measurement unit,PMU)的广泛应用,电力系统的安全运行面临着巨大挑战。为实现对电力系统运行状态快速、准确、有效的评估,提出了一种基于最大相关-最小冗余(max-relevance and min-redundancy,MRMR)准则和深度残差收缩网络(deep residual shrinkage network,DRSN)的暂态稳定评估方法。首先,利用MRMR准则进行特征选择,并将筛选后的关键特征和相应的类标签作为DRSN模型的输入和输出进行离线训练。然后,制定模型更新机制以应对电力系统运行工况变化。最后,基于PMU实时数据和训练好的DRSN,可立即提供暂态稳定评估结果。在IEEE 10机39节点系统上进行测试,结果表明,所提方法相较于其他数据驱动方法的综合评估性能更优异,同时还具有较好的抗噪性能和鲁棒性。

基于XGBoost和ASPSO的电力系统暂态稳定预防控制方法

该文提出了一种极限梯度提升(extreme gradient boosting,XGBoost)和基于蚁群算法的自适应参数粒子群优化算法(particle swarm optimization algorithm of self-adaptive parameter based on ant colony algorithm,ASPSO)相结合的方法,以实现电力系统暂态稳定预防控制。首先,通过XGBoost模型快速学习系统运行特征与暂态稳定性间的映射关系,给出特征重要性排序,提供一定的模型可解释性。其次,将训练好的XGBoost嵌入暂态稳定约束最优潮流模型作为暂态稳定约束。之后,利用ASPSO算法迭代求解,保证系统暂态稳定的同时,考虑发电机有功出力调整最小化,制定相应预防控制策略。最后,在PSS/E提供的IEEE 39节点系统中进行算例仿真,证明了所提方法的有效性。

基于改进CDBN的电力系统暂态稳定评估

为进一步提高暂态稳定评估模型对失稳样本的识别能力,提出一种基于改进卷积深度置信网络(CDBN)的电力系统暂态稳定评估模型。首先,基于归一化互信息(NMI)构建特征选择框架对模型输入特征进行筛选,降低数据维度,提高模型计算效率;然后,在CDBN中引入注意力机制,建立基于改进CDBN的暂态稳定评估模型;最后,设计模型更新机制来适应电力系统运行工况的变化,提高评估模型的泛化能力。在新英格兰10机39节点系统上的实验结果验证了所提方法的有效性。

公用计算机的新型系统部署方案

根据公用计算机安装部署需要速度快、性能稳定、可还原的特点设计新的系统部署方案。方案提出使用GRUB4DOS虚拟磁盘这一大特色功能,实现桌面系统从虚拟磁盘的启动,以达到部署方便、快速、稳定、可还原的目的。新部署方案同时对计算机磁盘有一定的保护作用,并减少了对硬盘还原方面的支出。由此可知方案具有很强的经济性、可行性和实用性。

基于Bi-S-SRU的电力系统暂态稳定预防控制

暂态稳定预防控制是电力系统预防严重故障的有效措施之一。首先,利用双向堆叠简单循环单元(Bi-S-SRU)对电力系统运行时间序列整体感知能力强的特点,建立输入特征与暂态稳定指标之间蕴藏的映射关系,将建立的映射关系替代暂态稳定约束最优潮流(TSCOPF)模型中的非线性微分代数方程以简化计算;然后,结合自适应粒子群(APSO)优化算法,在保证系统稳定性的前提下,考虑发电调度成本最小化,形成预防控制策略;最后,在IEEE 39节点系统上进行测试,验证了所提方法的可行性。

针对数据缺失的电力系统暂态稳定评估方法

为解决量测数据缺失时电力系统暂态稳定评估模型泛化能力不足的问题,基于多向循环神经网络和XGBoost算法,提出一种针对数据缺失的电力系统暂态稳定评估方法。首先使用多向循环神经网络修复缺失数据;然后采用完整的数据集对XGBoost模型进行训练;最后基于SHAP理论量化不同输入特征对模型输出结果的影响。此外,还提出了一种模型更新机制,在系统工况发生改变时对模型进行持续更新。在新英格兰10机39节点系统上仿真结果表明,所提方法相较于传统方法具有更好的数据修复能力,能显著提高暂态稳定评估性能。

基于AW-BLS的电力系统暂态稳定评估

为有效降低电力系统运行数据中样本不平衡问题对基于机器学习的暂态稳定评估方法分类性能的影响,提出一种基于自适应权重宽度学习系统AW-BLS(adaptive weighted-broad learning system)的电力系统暂态稳定评估方法。首先,在BLS的宽度结构中引入权重因子以改进BLS模型,有效降低了两类样本数量差距对学习过程的影响。然后,利用电力系统故障前的稳态运行数据对AW-BLS模型进行训练。最后,通过算例分析表明,所提方法在数据集存在样本不平衡问题时具有良好的评估准确率,同时还拥有较好的泛化能力。

基于TCN-CCRELMS的电力系统暂态稳定评估

为进一步提高电力系统暂态稳定评估模型时序特征的提取能力及减少模型对失稳样本的漏判,本文提出一种将时间卷积网络与特定类别成本调节极限学习机相融合的暂态稳定评估方法。首先,利用时间卷积网络挖掘蕴藏在电力系统运行数据中的时序变化特性;然后,改进模型损失函数提升模型对失稳样本的感知能力,并采用集成学习策略提高模型的泛化能力;最后,通过算例分析证明了所提方法具有很好的预测性能和泛化能力,对噪声数据及数据缺失也具备较强的鲁棒性。

电力系统静态电压稳定裕度评估方法

基于大数据集中隐含关系探索方法和电力系统大量的不同运行状态下的潮流数据,探寻出系统中与静态电压稳定相对裕度有最强的关系的变量,并基于这些变量构建相对裕度评估方法。该方法选取一定数量的关系性较强的变量作为相对稳定裕度的最优输入变量,所使用的探索统计工具是最大互信息系数MIC(Maximal Information Coefficient)和皮尔逊相关系数PCC(Pearson Correlation Coefficient)。当所选的最优输入变量的值能从广域量测系统中获得,电力系统的静态电压稳定相对裕度便能够通过所探索出的关系实时地评估出来。结合PSS/E中39节点算例的仿真测试结果,验证了所提方法的有效性。

基于PCC和KELM的电力系统暂态稳定分析方法

为准确及时地监测电力系统的运行状态,提出一种基于皮尔逊相关系数(Pearson Correlation Coefficient,PCC)和核极限学习机(Kernel Extreme Learning Machine,KELM)的电力系统暂态稳定分析方法。首先,利用电力系统仿真软件PSS/E进行数据生成;然后,使用PCC对电力系统运行特征进行相关性检测,进而选出关键特征;最后,对KELM模型进行训练。在实际应用时,当相量测量单元(Phasor Measurement Unit,PMU)所采集的电力系统实时运行信息被发送到训练好的KELM模型时,可立即提供暂态稳定分析结果。此外,设计了模型更新过程以应对电力系统运行条件的变化,并在新英格兰10机39节点系统验证了该方法的有效性。

基于L-M法的电力系统非线性参数辨识方法研究

现代电力系统的实时控制等方面对系统参数的精确性要求较高。针对电力系统非线性参数辨识问题,将非线性反问题的正则化研究方法L-M法引入电力系统参数辨识。L-M法可以看作是对非线性问题先作线性化后正则化的过程,具有很好的鲁棒性。通过在仿真中设置多个测试场景研究表明,该方法能够有效地对发电机参数进行辨识,和其它算法相比,有效提高了辨识精度,而且对初始点不敏感,具有克服迭代矩阵病态或奇异的能力。