基于时序轨迹特征学习的暂态电压稳定评估

以先进机器学习方法等为代表的人工智能技术在增强现代电网安全稳定态势感知能力方面展现出巨大的潜力。针对在线暂态电压稳定评估的传统难题,提出基于时序轨迹特征学习的稳定评估方法。通过分析系统能量函数与暂态响应轨迹的相关性,给出学习过程输入数据选取的理论依据。在时序轨迹Shapelet变换基础上,提出以刻画系统稳定/失稳案例关键局部轨迹差异为核心的特征学习方法及稳定评估方案。双机四节点系统和南方电网中的算例测试结果表明,除了实现可靠的稳定监测和评估,还可充分利用文中方法的可解释性从数据层面剖析特定系统的失稳模式和规律。     

多ARM协同架构的智能合并单元设计

为降低合并单元设备成本、增强其智能化和通用化特性,利用多ARM（高级精简指令集处理器）并行处理的优势来构建智能合并单元。采用灵活的模块化方式来进行总体架构的设计,通过光纤接口方式与其他智能电子设备建立基于快速以太网的双向通信,遵循IEC 61850通信标准进行采样值报文和GOOSE报文的高速网络化传输。结合数据处理和报文传输的要求,详细阐述了采样控制和开入开出控制等核心部分的软件处理流程。采样值及GOOSE传输等相关测试结果表明,该智能合并单元工作可靠而稳定,可满足智能变电站中合并单元在实时性强、可靠性高、通信流量大等方面的要求。     

基于负荷波动特性的联络线随机功率波动幅值估计

特高压联络线上的随机功率波动已成为限制其输电能力的重要制约因素。以联络线的随机功率波动作为研究对象,通过对联络线传输功率的全微分表达式研究,探讨了两区域频率偏差变化与联络线随机功率波动之间的作用联系。接着根据系统的有功频率响应特性,基于负荷波动分析了联络线随机功率波动从扰动响应阶段到新稳态的两阶段动态变化过程。在此基础上,通过引入蒙特卡洛试验方法,研究并提出了基于负荷波动特性的联络线功率波动幅值的概率分布估算方法。该方法利用概率统计来估计互联区域负荷波动幅值的概率分布,进而计算其波动功率幅值的概率分布以及均差和标准差。对华中—华北特高压联络线随机功率波动幅值概率分布计算分析的结果,验证了该计算方法的有效性。     

基于DMPC的联络线功率波动协调抑制方法

由于采用区域控制误差的区域自动发电控制对联络线功率波动的控制彼此相对独立,可能无法通过各自自动发电控制的协调来快速控制联络线功率波动。针对此不足,基于分布式模型预测控制理论,研究了一种协调区域自动发电控制以抑制联络线功率波动的方法。该方法在建立区域互联系统的有功频率分布式预测控制模型的基础上,通过在预测控制周期内求解抑制联络线功率波动的纳什均衡控制解,以实现各区域自动发电控制的在线优化控制协调,利用模型预测控制的滚动优化达到对联络线功率波动的快速抑制。仿真结果表明该方法具有良好控制效果,验证了其有效性和可行性。     

融合深度误差反馈学习和注意力机制的短期风电功率预测

为提高风电功率预测精度,提出了一种有机融合深度反馈学习与注意力机制的短期风电功率预测方法。首先,以风电场数值天气预报(numerical weather prediction, NWP)为原始输入,基于双层长短期记忆网络(longshort-term memory, LSTM)模型对风电功率进行初步预测。其次,利用极端梯度提升(eXtreme gradient boosting, XGBoost)算法构建误差估计模型,以便在给定未来一段时间内NWP数据的情况下对初步预测误差进行快速估计。然后,利用自适应白噪声完备集成经验模态分解法(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)将初步预测误差分解为不同频段的误差序列,并将其作为附加性反馈输入,对风电功率进行二次预测。进一步在二次预测模型中引入注意力机制,为风电功率预测序列与误差序列动态分配权重,由此引导预测模型在学习过程中充分挖掘学习与误差相关的关键特征。最后,仿真结果表明所提方法可显著提高短期风电功率预测的可靠性。