深度学习由于其强大的非线性建模能力,在输电断面极限传输容量(total transfer capability,TTC)评估问题中具有良好的应用前景。然而,由于电力系统的时变性和不确定性,需要快速更新数据和模型以满足在线应用需求。为充分利用历史场景数...深度学习由于其强大的非线性建模能力,在输电断面极限传输容量(total transfer capability,TTC)评估问题中具有良好的应用前景。然而,由于电力系统的时变性和不确定性,需要快速更新数据和模型以满足在线应用需求。为充分利用历史场景数据并减少在线更新的计算代价,提出一种基于主动迁移深度学习的输电断面TTC评估方法。该方法包括两个阶段:第一阶段引入迁移学习预训练,推导了迁移泛化误差界以及最优经验误差组合权重,用于指导预训练阶段得到具有最小泛化误差的新场景模型;第二阶段引入主动学习和模型微调,基于TTC评估网络灵敏度进行重要样本主动查询,显著降低了模型更新所需的新样本标注时间,并利用模型微调进一步提升了新场景模型的性能。算例分析表明,所提方法与传统的深度模型训练方法相比,大幅降低了将模型应用于新场景的标注样本需求与时间成本,提升了模型迁移的效率。展开更多
针对含大型风电场的电力系统概率最大输电能力(total transfer capability,TTC)展开研究,建立了加入异步风力发电机模型的含参潮流模型,推导了含风电场注入功率项的全注入空间静态电压稳定域边界局部切平面解析式,在此基础上提出了将Mon...针对含大型风电场的电力系统概率最大输电能力(total transfer capability,TTC)展开研究,建立了加入异步风力发电机模型的含参潮流模型,推导了含风电场注入功率项的全注入空间静态电压稳定域边界局部切平面解析式,在此基础上提出了将MonteCarlo仿真和电压稳定域方法相结合的综合考虑风电场风速、负荷、发电机出力和设备故障不确定性因素的概率TTC分层快速计算方法。利用该方法进一步分析了风速概率分布参数对TTC的影响,结果表明,准确获取风电场风速分布参数是准确计算概率TTC的前提。展开更多
由于统一潮流控制器的广泛应用受制其可靠性及成本高昂等不足,分布式潮流控制器(unified power flow controller,DPFC)应运而生。为分析DPFC提升最大输电能力期望和供电可靠性的效能,需要将该装置纳入大电网可靠性评估中。针对其分布...由于统一潮流控制器的广泛应用受制其可靠性及成本高昂等不足,分布式潮流控制器(unified power flow controller,DPFC)应运而生。为分析DPFC提升最大输电能力期望和供电可靠性的效能,需要将该装置纳入大电网可靠性评估中。针对其分布式串联侧进行结构解析,从而确定DPFC的运行状态及空间转移模型,通过马尔科夫过程可求解出DPFC各状态平稳概率与故障/修复率。基于此,建立含DPFC的系统潮流计算模型,并提出从断面最大输电能力期望和供电可靠性两大角度来综合评价DPFC效能的研究方法。经IEEE-RTS79算例分析表明:所述方法能够有效评价DPFC在电网可靠性方面的改善能力,可以从可靠性角度来确定DPFC最优配置方案,从而为实际工程提供一定指导意义。展开更多
文摘深度学习由于其强大的非线性建模能力,在输电断面极限传输容量(total transfer capability,TTC)评估问题中具有良好的应用前景。然而,由于电力系统的时变性和不确定性,需要快速更新数据和模型以满足在线应用需求。为充分利用历史场景数据并减少在线更新的计算代价,提出一种基于主动迁移深度学习的输电断面TTC评估方法。该方法包括两个阶段:第一阶段引入迁移学习预训练,推导了迁移泛化误差界以及最优经验误差组合权重,用于指导预训练阶段得到具有最小泛化误差的新场景模型;第二阶段引入主动学习和模型微调,基于TTC评估网络灵敏度进行重要样本主动查询,显著降低了模型更新所需的新样本标注时间,并利用模型微调进一步提升了新场景模型的性能。算例分析表明,所提方法与传统的深度模型训练方法相比,大幅降低了将模型应用于新场景的标注样本需求与时间成本,提升了模型迁移的效率。
文摘针对含大型风电场的电力系统概率最大输电能力(total transfer capability,TTC)展开研究,建立了加入异步风力发电机模型的含参潮流模型,推导了含风电场注入功率项的全注入空间静态电压稳定域边界局部切平面解析式,在此基础上提出了将MonteCarlo仿真和电压稳定域方法相结合的综合考虑风电场风速、负荷、发电机出力和设备故障不确定性因素的概率TTC分层快速计算方法。利用该方法进一步分析了风速概率分布参数对TTC的影响,结果表明,准确获取风电场风速分布参数是准确计算概率TTC的前提。
文摘由于统一潮流控制器的广泛应用受制其可靠性及成本高昂等不足,分布式潮流控制器(unified power flow controller,DPFC)应运而生。为分析DPFC提升最大输电能力期望和供电可靠性的效能,需要将该装置纳入大电网可靠性评估中。针对其分布式串联侧进行结构解析,从而确定DPFC的运行状态及空间转移模型,通过马尔科夫过程可求解出DPFC各状态平稳概率与故障/修复率。基于此,建立含DPFC的系统潮流计算模型,并提出从断面最大输电能力期望和供电可靠性两大角度来综合评价DPFC效能的研究方法。经IEEE-RTS79算例分析表明:所述方法能够有效评价DPFC在电网可靠性方面的改善能力,可以从可靠性角度来确定DPFC最优配置方案,从而为实际工程提供一定指导意义。