基于深度学习的暂态稳定评估与严重度分级

提出一种安全域概念下的堆叠降噪自动编码器和支持向量机集成模型相结合的暂态稳定评估方法。将故障前的潮流量作为输入,利用堆叠降噪自动编码器对输入量进行多层抽象表达,使用提取的各层特征训练支持向量机;建立支持向量机集成分类模型进行暂态稳定评估,对评估结果进行可信度分析,将输入空间划分为稳定区、边界区和失稳区;利用效用理论结合所提出的暂态稳定裕度指标对运行方式进行严重度分级。算例结果表明,所提暂态稳定评估方法具有更高的评估准确率和一定的泛化能力;所提严重度分级方法能够直观表现不同运行方式的危险程度。     

基于SDAE特征提取的含风电电网可用输电能力计算

风力发电的不确定性显著增加了电力系统可用输电能力(ATC)计算的难度。基于点估计的Gram-Charlier级数展开理论和深度学习技术,提出了一种计及越限概率要求的ATC快速计算方法,考虑的约束类型包括静态安全、静态电压稳定和暂态稳定约束。假定风电出力概率分布已知,结合两点估计法和Gram-Charlier级数展开,通过两个确定性场景的最大输电能力(TTC)计算结果逼近TTC的累积分布函数。为了快速、准确地获得确定性场景的TTC,利用堆叠降噪自动编码器(SDAE)建立了TTC计算的深度学习模型。获得TTC的累积分布函数后,将断面功率超过TTC的概率定义为越限概率,推导了给定越限概率要求下ATC计算的表达式。实际电网仿真结果表明,所提方法能够有效计及多类安全稳定约束,快速、准确计算不同越限概率要求下的ATC。     

故障位置特征表达的盲区识别与电气坐标系扩展

安全域概念下数据驱动的动态安全评估亟需系统化的故障位置特征表达方法。在电气坐标系概念基础上,提出故障位置特征表达的盲区识别与电气坐标系扩展方法,进一步提高局部区域的故障位置表征精度。首先,分析电气坐标系在局部区域内故障位置表征精度不足的原因,定义故障位置特征表达的盲点、盲线和盲区;然后,通过分析两点间的位置关系,确定盲线判定原理,提出考虑邻接线路的盲线快速搜索方法;最后,提出基于邻接矩阵的初始盲区识别算法,并基于模型评估结果对盲区进行微调,通过扩展电气坐标系参考节点提高了对盲区的故障位置表征精度。以暂态稳定评估为例,在中国省级电网算例下验证了所提方法在动态安全评估中的适用性。