基于Powershap特征选择的电力系统暂态稳定评估

为进一步提高暂态稳定评估(transient stability assessment,TSA)的精准度和可靠性,提出一种基于统计学与Shapley值结合的特征选择方法(Powershap),并建立电力系统TSA模型。首先,根据电力系统运行时的稳态分量构建输入特征集,采用Powershap将数据集分为多个数据子集进行训练,筛选出关键特征集;其次,利用关键特征集训练多个CatBoost模型并进行TSA,生成TSA模型;最后,在新英格兰10机39节点系统和加入新能源发电的新英格兰54机118节点系统上进行仿真实验,并给出评估结果。实验得出:在新英格兰10机39节点系统中采用基于Powershap特征选择的方法进行分类,其准确率能够达到99.79%;在改进的新英格兰54机118节点系统上,其准确率能够达到99.49%,说明该方法能够有效进行电力系统暂态稳定评估,并且验证了所提TSA模型具有较好的鲁棒性与泛化能力。

综合提升新能源高占比受端电网小干扰和暂态电压稳定性的SVG优化配置方法

由于新能源发电设备的弱支撑性,新能源高占比的受端电网的电压支撑强度难以满足系统安全稳定运行的要求。为了解决现有静止无功发生器(static var generator,SVG)配置方法未能充分提升系统小干扰电压稳定性和暂态电压稳定性的问题,提出了一种综合考虑系统小干扰电压稳定和暂态电压稳定的SVG优化配置方法。首先,在第一阶段考虑SVG投资运行总成本和系统小干扰电压稳定裕度,在第二阶段引入SVG接入对系统故障后暂态电压稳定裕度的影响。然后,利用基于组合赋权法和相对熵距离的改进理想解法得到最优配置方案。最后,应用PSDBPA对新能源高占比受端电网算例进行分析,验证了所提配置方法能充分发挥SVG对系统电压稳定的提升作用。

基于KPCA特征量降维的风电并网系统暂态电压稳定性评估

针对电力系统暂态电压稳定性评估中所需特征量数据庞大,影响模型训练时间,降低计算效率等问题,提出了一种基于核主成分分析方法KPCA和CPSO-BP组合的风电并网系统暂态电压稳定性评估方法.首先根据输入特征采集原始特征集,采用核主成分分析算法对特征量进行非线性数据处理,提取出最优的特征集.然后将降维后的特征集作为CPSO-BP神经网络输入量进行监督学习,将得到的模型按照临界故障切除时间裕度值的大小进行分类,将分类后的样本进行风电并网系统的暂态电压稳定性评估和临界故障切除时间裕度值预测.仿真分析结果表明,对输入特征进行降维,保留重要输入特征量,剔除冗余特征量,不仅简化了模型,还提高了网络评估的准确性和计算效率.

基于改进非对称三重训练的风电并网系统暂态稳定自适应评估

为进一步提高暂态稳定评估模型的特征提取能力和模型在系统运行工况改变后的适应性,构建具有注意力机制的双路径卷积网络,以判别暂态稳定情况,得到更好的暂态稳定评估效果。当拓扑结构和运行方式变化过大时,通过时域仿真生成大量无标签样本,以双路径卷积网络作为三重训练基分类器;通过融合非对称三重训练和主动查询策略自适应调整基分类器参数,逐步提取源域与目标域之间的公共特征,减少标签样本的需求。最后,算例分析验证了所提方法的有效性。

考虑新能源随机性的新型电力系统图深度学习稳定指标概率分布评估模型

新型电力系统的新能源大规模随机性出力特点导致目前在线暂态稳定扫描结论面临失效风险,这一问题从元件建模精度、系统拓扑适应性和计算速度三个方面同时对现有方法提出挑战。因此提出了基于重概率化改进的置信带方法和图深度学习的稳定指标概率分布及置信带评估模型,通过图深度学习模型快速评估少量采样点,再由重概率化置信带方法扩增结果,利用标签共现知识引导时域仿真对准确率进行增强,最后使用置信带方法给出随机出力下的稳定概率分布和区间形式的评估结论。该方法优点在于利用了图深度学习的拓扑适应能力和快速计算特点,且不受元件建模精度限制,置信带计算结论具有可靠的理论背景,能够评估稳定概率分布。在IEEE-39和IEEE-300节点系统上的评估精度验证表明,所提方法能够高精度地预测指定方式暂态稳定指标,并给出可靠的概率评估结论。

功率耦合和电流限幅影响下构网型变流器的暂态同步稳定分析

在有限过流能力的构网型变流器中,有功和无功环之间的功率耦合以及电压电流环之间的电流限幅,会极大地影响变流器与电网的同步过程。因此,该文致力于研究大扰动故障下功率耦合和电流限幅对变流器暂态同步稳定性的影响。首先,考虑上述环节建立构网型变流器并网系统的降阶模型;然后,构建包含构网型控制主要状态变量(功角、频率和输出电压)的能量函数,并在此基础上通过拉塞尔理论估计变流器的吸引域及其对应的暂态稳定裕度。分析表明,功率耦合和电流限幅分别通过影响等效势能和阻尼分布削弱变流器的暂态同步稳定性。由此,该文提出一种基于虚拟阻抗和功率解耦的构网型控制优化策略,以抑制功率耦合和电流限幅引入的负面影响。最后,仿真和实验结果验证上述理论分析的正确性。

基于等效同步功率的孤岛并联构网变流器系统暂态稳定性分析

随着构网变流器在微电网中应用的增长,其对微电网暂态稳定的影响受到了广泛关注。不同于单机无穷大系统,孤岛并联构网变流器系统的频率和功角差相互耦合,暂态响应特性更为复杂。为精准分析孤岛并联构网变流器系统的暂态响应,文中基于功角耦合运动方程建立双机频率和功角差的三阶暂态同步模型,并且分析了双机出力差异和下垂系数对于暂态稳定的影响特征。为揭示出力和下垂系数对于暂态稳定的耦合机理,对双机系统进行等效同步功率分析,并且提出一种基于构网变流器出力的自适应下垂系数优化策略,可以根据出力差异自适应提升双机系统的等效同步功率,进而提升系统暂态稳定性。最后,采用实时仿真验证了三阶暂态模型的正确性和所提控制策略的有效性。

探究无功控制回路对构网型并网逆变器暂态稳定性的影响

随着全球能源结构的转型和环境保护意识的提升,作为一种高效、环保的能源利用方式,基于新能源的分布式发电系统正逐渐在电力系统中占据重要地位。而随着分布式发电系统渗透率的不断提高,电网的等效惯性不断降低,严重影响电力系统的频率稳定。因此,虚拟同步控制应运而生,其通过模拟传统旋转同步发电机的动态特性,能够对电网补偿惯性和等效阻尼。虽然虚拟同步机(Virtual Synchronous Generators, VSG)的小信号稳定控制已经得到广泛的研究,但其无功回路对系统的大信号暂态稳定性的影响仍需进一步研究。文中首先对构网型并网逆变器无功回路对其暂态稳定性的影响进行了理论分析,在此基础上列举了三种能够有效改善并网逆变器暂态稳定性的方法;最后,通过MATLAB/Simulink平台对其进行了仿真验证。

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PEF-PinSVM的含可再生能源并网电力系统电压暂态稳定裕度评估

为精准掌握含可再生能源并网电力系统电压暂态稳定性,提出一种改进弹球损失支持向量机的评估方法。首先,结合系统特征与投影能量函数指标相关理论建立电力系统暂态稳定裕度的原始特征集,随后借助最大相关最小冗余特征选择法,筛选出衡量并网电力系统电压暂态稳定裕度的特征子集,以表征可再生能源并网对电力系统电压暂态稳定裕度的影响;其次,采用分位数方法将系统划分为稳定类与不稳定类,并将电压暂态稳定裕度分类问题转换为在PEF-PinSVM中寻找最优分位数距离问题,减小可再生能源并网波动性与不确定性对系统电压暂态稳定裕度评估的影响;最后,以IEEE-39节点系统进行算例仿真,发现含可再生能源并网电力系统电压暂态稳定裕度评估准确率会伴随可再生能源渗透率的增加而提升。

考虑注意力机制的CNN-LSTM高渗透风电并网暂态电压稳定性研究

为了能够快速且精确地判断出风电场接入电网后系统暂态电压稳定性,文章基于注意力机制提出一种卷积-长短时记忆网络(Convolutional Neural Networks-Long Short-Term Memory,CNN-LSTM)暂态稳定评估指标。为了更好地捕捉输入数据中空间和时间的相关性,基于核主成分分析(Kernel Principal Component Analysis,KPCA)进行特征降维;针对高比例的新能源电网中,整个系统的短路容量下降、短路电流水平攀升问题,提出了安装超导故障限流器的主动支撑措施,限制故障过程短路电流水平,维持并网点电压稳定。最后,在PSD-BPA中搭建含风电的IEEE39节点系统进行仿真计算和数据采集。结果表明,KPCA方案能有效筛选电力系统暂态稳定评估中重要度高的特征,所提评估指标具有更高的辨识能力,所提改进措施对高比例风电并网系统暂态电压稳定具有积极作用。

基于双塔Transformer的电力系统暂态稳定评估

基于数据驱动的方法在电力系统暂态稳定评估的效率和精度提升上已经取得了一些研究成果。然而电力系统暂态过程中涉及多维度时序特征的变化,常规算法对特征的提取能力不足且缺乏可解释性,难以反映系统暂态过程中的动态行为。因此,构建了一个具有双塔结构的Transformer模型,以Transformer编码器作为特征提取器,考虑同一时刻不同维度的特征以及每一维度特征在不同时间步对系统暂态稳定的影响,并将其分别作为双塔结构Transformer模型的输入,训练和学习各特征通道和时间步对系统暂态稳定性的影响。通过融合机制,建立了由系统特征到系统稳定性的端到端的映射模型,实现了暂态稳定高精度的评估,并通过注意力热图可视化解释模型的决策过程。最后,在IEEE-39节点系统验证了所提方法的有效性。

基于深层级联残差图卷积的暂态稳定评估模型及其实际电网应用

目前,数据驱动的暂态功角稳定评估模型的研究和测试主要在小规模算例系统进行,在实际电网的应用检验不足,其内在原因是图深度学习中的局部信息提取特点与功角稳定全局性的矛盾尚未解决。为此,设计一种深层级联残差图卷积模型,利用含残差连接的深层级联结构,实现模型层数堆叠性能的有效提升。利用MinMaxPooling模块,使模型参数与系统规模解耦。该模型结构设计与节点数量无关,可以解决数据驱动模型应用于大规模实际电网的问题。在某5419个节点的实际区域电网进行测试,结果验证了所提模型的有效性和实用性。

数据驱动的电力系统暂态稳定评估方法综述

快速、准确地识别电力系统暂态稳定态势,是保证大电网安全稳定运行的重要前提。相较于传统物理解析方法,基于数据驱动的电力系统暂态稳定评估技术在解决复杂非线性映射和快速评估方面具有较大的优势,已成为目前电力系统暂态稳定评估技术研究的重要方向。该文首先结合电力系统暂态稳定评估场景需求和通用智能应用框架建立基于数据驱动的暂态稳定评估技术的基本架构,从离线训练、在线应用和反馈更新的维度分析数据驱动下各个流程环节的功能;其次,围绕着数据增强、机器学习算法和学习机制3个方面针对数据驱动技术在电网暂态稳定评估中的应用研究工作进展以及关键技术进行综述,分析不同模型和方法在解决电力系统暂态稳定评估的数据拟合和泛化能力的优势和不足。最后,结合高比例新能源电力系统暂态稳定评估新特点和当前人工智能技术的发展,从数据、模型和应用3个方面对电力系统暂态稳定评估技术的研究方向进行展望,为电网暂态稳定评估数字化和智能化提供技术参考。

融合关键机组信息与相平面图像的暂态稳定评估方法

针对传统基于电力系统时序数据的机器学习方法对系统深层耦合信息挖掘不充分的问题,将失稳模式作为先验知识引入机器学习,提出一种融合系统关键机组信息的暂态稳定性评估方法.该方法通过潮流追踪原理对线路计算各发电机潮流贡献度,得出系统关键机组权重.根据图像形态学原理,对相平面轨迹图像依照关键机组权重进行特征增强.在IEEE-39节点和IEEE-145节点系统下的仿真结果表明,所提方法较传统评估方法具有更好的评估性能,所构建的相平面图像样本较传统时序图像样本拥有更小的占用空间和更优的分类性能.

暂态电压稳定薄弱区域辨识的Louvain分区算法

针对大电网暂态电压稳定整体研究过于复杂的问题,提出一种暂态电压稳定薄弱区域辨识方法。首先,引入节点间电气距离计算模块度,运用Louvain算法对电网进行分区;然后,考虑线路负载率与线路开断对节点电压的影响,利用熵值法构建关键线路辨识指标筛选出关键线路,将关键线路三相短路故障作为预想故障集;最后,利用基于暂态电压稳定判据构建的节点暂态电压稳定评价指标,评价出暂态电压薄弱的区域。通过广东电网仿真结果验证所提方法的有效性。

基于暂态稳定裕度灵敏度的多直流送出能力提升控制方法

多直流送端系统内某一直流线路发生闭锁故障后,可以通过对其他非故障直流进行紧急功率支援(emergency DC power support,EDCPS)控制来提升系统受扰后的稳定性。如何有效量化EDCPS对系统稳定性的改善效果,从而提高安稳控制的效率,目前缺少相应的指标;现有研究也尚未解决如何利用EDCPS最大程度提升多直流综合送出能力的问题。应用扩展等面积法(extended equal area criterion,EEAC)定量分析了EDCPS提升多直流送端系统暂态稳定性的机理;以两送出直流系统为例,推导了基于EEAC的暂态稳定裕度η对EDCPS的灵敏度公式;在此基础上,提出一种在不增加相关设备投入的前提下利用系统中现有稳控措施并结合暂态稳定裕度灵敏度的多直流送出能力提升控制方法,通过计算备选直流的暂态稳定裕度灵敏度,可以完整反映系统在遭受大扰动后的动态特性以及定量评估EDCPS对系统受扰后稳定性的改善效果,避免过去仅凭运行人员经验选取支援直流的问题,提高计算效率;最后,选取西北电网实际算例对所提出的多直流送出能力提升控制方法有效性进行仿真验证,以期为从事交直流混联电力系统稳定性分析与控制的学者和工程师们提供有益的参考。

直接电压控制构网型变流器控制参数暂态稳定影响分析

目前针对直接电压控制构网型变流器暂态失稳模式的演化和控制参数对暂态稳定的影响机理尚需进一步深入研究。首先,分析了两种常见电流限幅策略对变流器暂态稳定性的影响,归纳总结出3种暂态失稳演化路径。其次,通过极限切除时间、极限切除角揭示了变流器有功环节不同参数对暂态稳定的影响规律,并针对直接电压控制构网型变流器的内电势和并网点电压之间的非线性关系,使用变流器临界势能为指标,揭示了变流器无功环节不同参数对稳定性的影响规律。在此基础上,解释了不同控制环节参数对变流器暂态稳定性的影响出现反常规律的机理。最后,在PSCAD仿真平台上通过算例验证了理论分析的正确性。

基于SVM-SMOTE算法的一维卷积神经网络电力系统暂态稳定评估模型

为了提高电力系统运行稳定性,降低大停电事故发生的概率,本文提出了一种基于SVM-SMOTE算法的一维卷积神经网络暂态稳定评估模型。为了避免人工特征选择引入的主观偏差对模型预测性能的影响,本文选择来自PMU的底层量测数据作为输入特征,并采用一维卷积神经网络(1D-CNN)捕捉输入特征的时序信息;考虑数据集样本不平衡带来的预测精度下降问题,采用SVM-SMOTE算法对样本进行均衡化。算例仿真结果表明,本文所提出的模型实现了端到端的时序特征提取和暂态稳定评估,可满足在线评估准确性、快速性和可靠性的要求,且有效解决了不平衡数据集中失稳样本漏判率高的问题。

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。