风电高渗透电网等效惯量概率预测方法

在虚拟惯量控制技术的驱动下,风电高渗透电网包含不同形式惯量资源,系统等效惯量呈现复杂的非线性时变波动特征。为更好地诠释系统等效惯量的不确定性,提出了一种考虑风机虚拟惯量的系统等效惯量概率预测方法。首先利用数据驱动方法构建系统等效惯量的点预测模型,预判等效惯量的变化趋势;然后采用非参数核密度估计建立各时段预测误差概率密度函数,得到一定置信水平下待预测时刻系统等效惯量可能发生波动的区间范围。基于改进的IEEE RTS-79系统进行算例分析,结果表明所提方法与传统参数估计方法相比可靠性更高,能够为新型电力系统在低惯量场景下运行方式安排提供有益的辅助决策信息。

电力系统惯量评估研究框架与展望

随着越来越多常规电源被非同步电源替代,电力系统惯量水平持续降低,削弱了系统在有功冲击下的惯量支撑和频率调节能力,稳定运行面临严峻挑战。惯量评估已成为当前的热点研究问题,众多国内外研究机构已取得相关研究进展。然而,目前电网规划和调度运行人员仍缺乏对系统惯量特性及其变化态势的准确感知。为更好认识惯量评估方法在低惯量电力系统中的定位、作用与挑战,该文对该领域的国内外研究现状进行全面述评与展望。首先,阐述电力系统惯量的含义及组成,分析惯量时空分布特性及其对系统功角与频率稳定性的影响机理;进而,给出惯量评估问题的总体研究框架,依据时间尺度原则,将惯量评估方法划分为离线评估、在线估计以及趋势预测,并分类进行阐述;最后,展望电力系统惯量评估领域未来需深入研究的方向。

基于可解释性XGBoost的电力系统惯量短期预测方法

对于新型电力系统,提前预测系统惯量水平是消除系统惯量薄弱风险的重要前提。而预测所使用的机器学习模型大多是“黑箱”模型,存在可解释性不足的问题。为此,提出了一种基于可解释性极端梯度提升算法(extreme gradient boosting,XGBoost)的电力系统惯量短期预测方法。该方法根据系统惯量响应特性分析,选择电力系统运行数据和气象数据作为输入特征。基于SHAP归因方法构建可解释性XGBoost的解释机制,通过计算Shapley值来量化各特征的重要程度,从而对模型预测结果进行多维度解构分析。以实际系统为例进行实证分析,结果表明,所提方法能够有效地预测电力系统短期惯量以及解释特征对预测的影响。