基于多STA-GLN集成模型的电力系统暂态稳定评估方法

随着高比例可再生能源的不断接入和电力电子化程度的提高,电力系统结构日益复杂,导致电力系统稳定性受威胁。针对基于人工智能的暂态稳定评估(TSA)方法存在的拓扑适应能力差、失稳样本学习困难和模型训练耗时长等缺陷,提出了基于图形卷积和长短时记忆组合网络的空间和时间双注意力机制(STA-GLN)集成电力系统TSA方法。搭建了电力系统仿真模型,在全接线、N-1断线和N-2断线3种拓扑结构下设置不同线路故障,获取原始样本集,基于STA-GLN的TSA方法对系统拓扑变化表现出更强的适应性和评估准确性;构建了基于自适应增强(AdaBoost)算法和迁移学习的集成STA-GLN多任务TSA模型,解决了失稳误判问题并加快了模型的响应速度。最后通过新英格兰10机39节点系统仿真分析验证了该方法的有效性。

元宇宙在电力系统中的应用

元宇宙是整合多种新技术而产生的新型虚实相融的互联网应用和社会形态。随着“碳达峰、碳中和”目标与新型电力系统的提出,在元宇宙中建设电力系统是未来发展的趋势。针对元宇宙在电力系统的应用,通过数字孪生技术、物联网技术2种手段来认知元宇宙继而分析元宇宙中的电力系统。不同于现在的虚拟现实,元宇宙具备虚拟融生、多元化、沉浸感、经济系统和文明四大特点。围绕上述2种手段和四大特点,从科学和工程视角介绍元宇宙,阐述其中电力系统的框架及其可以实现的功能。最后,介绍了元宇宙在电力系统的潜在应用与前景。