随着风电等间歇性新能源的大规模并网,电网运行状态变化频繁,传统基于典型运行方式计算的输电断面极限传输功率(Total Transfer Capability,TTC)适用性降低。文中提出一种基于数据挖掘的输电断面动态TTC在线构建方法。首先,基于风电和...随着风电等间歇性新能源的大规模并网,电网运行状态变化频繁,传统基于典型运行方式计算的输电断面极限传输功率(Total Transfer Capability,TTC)适用性降低。文中提出一种基于数据挖掘的输电断面动态TTC在线构建方法。首先,基于风电和负荷的超短期预测及预测误差的高阶不确定性,采样生成“风电-负荷”二维数组及相应运行状态集,对部分运行状态计算其TTC,获得用于构建输电断面动态TTC的有标记/无标记知识库;然后,通过混合互信息法选择出与TTC存在强关联的特征属性;最后,利用半监督协同训练,建立TTC偏差与特征属性之间的定量关系,进而得到输电断面动态TTC。算例验证表明,该方法不仅能够基于超短期预测及预测误差的不确定性准确估计输电断面TTC,而且能够量化提供提高TTC的调度信息,同时,采用半监督数据挖掘技术,减少了计算TTC的次数,构建动态TTC速度快,能够较好的适应在线运行方式。展开更多
文摘随着风电等间歇性新能源的大规模并网,电网运行状态变化频繁,传统基于典型运行方式计算的输电断面极限传输功率(Total Transfer Capability,TTC)适用性降低。文中提出一种基于数据挖掘的输电断面动态TTC在线构建方法。首先,基于风电和负荷的超短期预测及预测误差的高阶不确定性,采样生成“风电-负荷”二维数组及相应运行状态集,对部分运行状态计算其TTC,获得用于构建输电断面动态TTC的有标记/无标记知识库;然后,通过混合互信息法选择出与TTC存在强关联的特征属性;最后,利用半监督协同训练,建立TTC偏差与特征属性之间的定量关系,进而得到输电断面动态TTC。算例验证表明,该方法不仅能够基于超短期预测及预测误差的不确定性准确估计输电断面TTC,而且能够量化提供提高TTC的调度信息,同时,采用半监督数据挖掘技术,减少了计算TTC的次数,构建动态TTC速度快,能够较好的适应在线运行方式。
