基于GAN和多通道CNN的电力系统暂态稳定评估

目前基于深度机器学习的电力系统暂态稳定评估对介于稳定和失稳边界的系统状态判别存在一定困难,同时也难以兼顾在线评估的准确性和快速性。针对该问题,该文提出一种基于多通道卷积神经网络(convolutionalneural network,CNN)和生成对抗网络(generative adversarial nets,GAN)的暂态稳定评估方法。首先构建了含级联多通道CNN的电力系统暂态稳定状态评估模型,通过前级多通道CNN预测非边界样本的暂态稳定状态并确定原始边界样本集;其次交替训练GAN模型的生成器和判别器以实现边界样本集增强,用增强后的边界样本集训练后级多通道CNN,使其能够可靠判别边界样本的暂态稳定状态,从而提高了状态评估的准确率;此外,在故障清除时刻预测出稳定系统的稳定程度以及失稳系统的安全控制时间裕度,从而保证了在线评估的快速性,也为后续控制策略提供一定参考。在IEEE-39节点系统和某省级电力系统上仿真表明：所提模型的评估效果相较于其他常用深度学习算法而言更为优越,在同步相量测量装置测量信息含噪声的情况下,该模型表现出较强的鲁棒性。     

基于集成学习的时间自适应电力系统暂态稳定评估方法

对于电力系统暂态稳定评估而言,在故障清除后的早期阶段,临界样本间的特征差异不明显,预测准确率低。随着时间推移,准确率提高,但难以保证评估的及时性。针对暂态稳定评估的评估准确性与及时性之间的矛盾,提出了基于集成学习的时间自适应电力系统暂态稳定评估方法。首先,通过EasyEnsemble算法对不平衡数据进行采样,训练出多个不同评估时刻的集成长短期记忆网络分类器,输出样本在不同评估时刻的稳定性预测结果。其次,将评估时刻进行划分,提出了多阶段阈值分类规则,自适应调整阈值,对样本预测结果进行可信度评估。最后,预测结果评估为不可信的样本交由下一评估时刻的模型继续判断,直到可信度达到阈值后输出。在IEEE 39节点系统的仿真结果表明,所提方法相较于其他时间自适应方法具有更优的评估性能,在样本不平衡的情况下该方法实现了更好的修正效果。     

基于深度残差网络的电力系统暂态电压稳定评估

随着人工智能技术的发展,基于数据驱动的深度学习方法可兼顾在线评估的快速性与准确性。通过分析电力系统的电压时序信息,构建暂态电压稳定裕度指标。基于实时获取的广域测量信息,选择代表潮流水平的稳态信息、代表故障冲击程度的故障瞬间信息以及代表故障持续进展的滑动信息构建半固定半滑动的异构样本集,基于深度残差网络构建暂态电压稳定评估模型,分别输出系统的暂态电压稳定评估结果、各监测母线的暂态电压稳定评估结果以及电压稳定裕度信息,为在线监控提供指导。在计及高压直流输电和风电接入影响的改进中国电科院36节点系统进行仿真验证,结果表明,该方法无需接收保护设备的故障切除时间信息,可在故障切除时刻之前给出高精度的评估结果,具有较高的实时性和准确性。     

基于深度森林的电力系统暂态稳定评估方法

快速准确地实现暂态稳定评估,是电力系统安全运行的重要保障.近年来迅速发展的深度学习技术已经成为解决这一问题的有效手段,然而基于神经网络的深度学习模型存在着调参困难、训练时间长和样本需求量大等缺点.文中将故障切除时刻系统的物理量作为输入特征,以系统的暂态稳定状态作为输出结果,采用集成决策树方法,构建了基于深度森林的电力系...     

考虑拓扑变化的电力系统暂态稳定评估

针对电力系统拓扑频繁变化导致暂态稳定评估（TSA）困难的问题,提出一种新颖的基于深度学习的TSA方案。基于深度森林（DF）构建暂态稳定评估模型,创新性地提出考虑主动学习技术和分级策略的DF更新方案。该方案从样本生成和模型训练两方面最大限度节省更新时间,并在电力系统拓扑变化后快速更新DF模型,有较强实用性。最后,在新英格兰39节点系统中对所提TSA方案进行验证,结果表明该方案对拓扑频繁变化的电力系统有更强的适应性与鲁棒性。     

基于深度学习的电力系统暂态功角与暂态电压稳定裕度一体化评估

随着面向高比例可再生能源新型电力系统的转型,系统运行特性日趋复杂。暂态功角稳定(transientangle stability,TAS)与暂态电压稳定(transientvoltagestability,TVS)问题相互耦合且频发,为系统安全稳定评估带来严峻挑战。研究首先采用变步长二分法通过调用PSASP从时间维度上构建了暂态电压与暂态功角的稳定边界。研究了不同故障位置、感应电动机占比、负荷率对稳定边界的影响并依托边界确定主导失稳模式。其次提出一种基于注意力机制与一维卷积神经网络融合的电力系统功角稳定及电压稳定裕度评估的新方法。该方法直接面向测量数据,将节点稳态与暂态运行的电压幅值、有功功率、无功功率数据作为输入特征,节省了数据处理时间。通过一维卷积神经网络构建输入特征与极限切除时间的映射,利用注意力机制进一步提高了模型预测效果。通过新英格兰IEEE39节点系统进行分析验证,结果表明该方法可以实现暂态安全裕度的快速评估且具有较高的预测精度。     

基于Elastic Net的暂态稳定裕度在线评估EI北大核心CSCD

随着电力系统规模的扩大和新能源技术的广泛应用,电力系统暂态稳定特性更加复杂,在线暂态稳定裕度评估面临严峻挑战。提出一种基于Elastic Net的电力系统暂态稳定裕度在线评估的新方法。该方法无需计算形成输入特征,直接面向量测数据,将系统稳态运行节点电压幅值与相角作为样本特征,利用Elastic Net算法完成特征筛选并构建量测数据与故障极限切除时间之间的映射关系,进一步将原始特征映射至高维空间以提高预测模型的准确性。最终,实现根据系统稳态运行信息对暂态稳定裕度的快速预测。对接入风电场的新英格兰39节点系统和IEEE 118节点系统进行算例分析,结果表明,该方法通过少量数据训练即可有效筛除无关特征并具有较高的预测精度。     

基于深度学习的多虚拟同步机微电网在线暂态稳定评估方法

限流策略、源源交互、故障及负荷水平多变等因素使得快速准确评估多虚拟同步机(VSG)微电网的暂态稳定性十分困难。针对现有难题,提出了基于深度学习的多VSG微电网在线暂态稳定评估方法。首先,通过分析VSG控制特性、电流限幅器、故障程度、负荷水平对系统稳定性的影响,以系统动态参数为主、稳态参数为辅,构建了一组具有强表征能力、可避免维数灾难的原始特征集。基于此,应用深度前馈神经网络及Levenberg-Marquardt算法,提出了多VSG微电网暂态稳定非线性评估模型。在多VSG微电网中的验证结果表明,相比现有方法,所提方法极大地提高了在线暂态稳定评估的准确率,可快速实现多VSG微电网在复杂工况下的稳定性准确判别,具有良好的评估性能。     

基于集成深度置信网络的精细化电力系统暂态稳定评估

为了进一步提高电力系统暂态稳定的预测精度及给出更精细化的评估结果,将深度学习与电力系统暂态稳定相结合,根据故障切除后发电机功角"轨迹簇"特征,提出一种基于集成不同结构的深度置信网络(DBN)的精细化电力系统暂态稳定评估模型。该模型的基分类器DBN能够有效地利用深层架构所具有的特征提取能力,充分挖掘出输入特征与暂态稳定评估结果之间的非线性映射关系。在新英格兰10机39节点系统上的实验结果表明,该方法不仅优于浅层学习框架,也比部分深度学习模型的性能更加优越。除此之外,该集成DBN算法不仅有较高的预测精度,而且可以有效地评估系统的稳定裕度和不稳定程度等级;在部分同步相量测量装置信息缺失以及含有噪声时,表现出较强的鲁棒性。     

基于主动学习的电力系统暂态稳定评估方法

随着泛在电力物联网概念的提出,暂态稳定在电力系统运行控制中扮演着越来越重要的角色。由于相量测量单元(Phasor Measurement Unit,PMU)的广泛配置,基于机器学习的暂态稳定实时评估方法展现出了巨大的发展潜力。针对这类方法在应用中离线训练数据生成耗时及造成的难以在网架发生变化后快速更新模型的问题,论文提出了一种基于主动学习的电力系统暂态稳定评估方法。考虑不同运行方式、不同故障下进行短时间仿真(仿真至故障切除时刻)生成无标注样本;随机选取一部分样本进行长时间仿真以标注这些样本的稳定状态,并进一步训练基于支持向量机的暂态稳定评估模型;最后循环选择剩余未标注样本中信息熵较高的部分数据进行标注对模型重新训练,直至模型准确率不再变化。在新英格兰10机39节点测试电力系统的仿真表明,论文提出的方法能够有效降低离线仿真的时间,大大提高评估模型部署的效率,并对广域噪声具有鲁棒性。     

考虑暂态电压跌落限制的直接法暂态稳定分析

提出了一种考虑暂态电压跌落限制的直接法,快速求取保证故障后电力系统电压高于限值的故障临界清除时间(CCT).根据带约束动力系统稳定域理论,其受限稳定边界由边界上不稳定平衡点、周期轨和半鞍点的稳定流形以及部分可行域边界构成.半鞍点的稳定流形是系统受限稳定边界的重要部分,并且可以用半鞍点处的等能量面来近似.暂态电压跌落限制可以考虑为对故障后电力系统的一个约束.基于电力系统结构保持模型,寻找到了和故障相关的一个半鞍点,将持续故障轨迹和可行域边界交点的发电机角速度变为0后,就得到一个半鞍点.然后,以该点能量作为临界能量确定CCT,保证故障后系统满足暂态电压跌落约束.采用了迭代方法提高计算精度.仿真结果验证了所提出方法的有效性.     

电力系统暂态稳定混合分析法的研究

本文从两个方面对传统暂态稳定混合分析法进行了改进：一是提出一种根据仿真结果快速确定系统临界切除时间的方法,再根据临界切除时间下的故障清除后轨迹确定系统势能峰值点;二是引入修正势能和修正势能界面的概念。本算法所有分析都建立在仿真结果基础上,具有较高的可靠性。     

图像化数据驱动的电力系统暂态稳定性在线评估方法

目前电力系统暂态稳定性评估（TSA）大多采用标准算例生成的数据集,然而实际电网的母线、发电机、线路等电力元件的数量巨大,难以实现评估模型的实时监视和在线更新;而现有降维方法常常遗漏重要信息,导致预测精度下降。提出一种图像化数据驱动的电力系统暂态稳定性在线评估方法,将输入时间序列重新排列成二维图像,利用二维主成分分析法（2D-PCA）对原始图像进行特征降维,并建立卷积神经网络（CNN）模型进行系统稳定性预测。在IEEE-39算例中进行验证,结果表明本文所提基于2D-PCA和CNN的TSA模型在保证预测精度的同时能够大幅提高训练效率,有望推进深度学习在电力系统暂态稳定性在线评估的应用。     

基于暂态电压稳定指标的动态无功优化配置方法

以往的动态无功配置方法大多以确保静态电压稳定为目标,而快速可控的动态无功补偿装置更适用于抑制电网的暂态电压失稳。文中首先分析并指出故障后的极限切除时间是系统暂态电压稳定性的一个衡量指标,安装动态无功补偿可以延长故障的极限切除时间。根据这种特点提出了一种基于极限切除时间指标的动态无功优化配置算法,比较各种配置方案对电网故障后极限切除时间的改变量以得到最优方案。通过IEEE 39母线系统的算例说明了该方法的有效性。     

融合多类型深度迁移学习的电力系统暂态稳定自适应评估

针对不同类型人工智能网络应用于电力系统暂态稳定评估时精度和泛化能力不稳定、运行方式或拓扑结构发生较大变化时评估精度下降、重新训练新模型费时费力等问题,提出一种融合多类型深度迁移学习模型（tmDLM）的自适应评估方法,该方法融合了深度置信网络、卷积神经网络以及长短期记忆网络3种不同的深度学习模型。将训练好的各类深度学习模型作为源域模型,当运行方式或拓扑结构发生较大变化时,采用少量目标域样本集微调预训练模型,使其快速跟踪系统当前的运行状态,并得到tmDLM。新英格兰10机39节点系统和华中电网的仿真结果表明：所提方法可以充分发挥各类深度学习方法的优势,具有良好的泛化能力;六分类模型能够在判稳的同时进行稳定裕度/失稳程度等级的评估;经过迁移后的深度学习模型具有良好的评估精度和时效性,大幅缩短了模型更新时间,实现了电力系统暂态稳定的自适应评估。     

Transient stability output margin estimation based on the energy function method

In this paper, a new method of estimating the critical generation margin (CGM) in power systems is proposed based on transient stability diagnostics. The proposed method can directly compute the stability limit output for a given fault based on the transient energy function method (TEF). Since CGM can be directly obtained by the limit output using estimated P‐θ curves and is easy to understand, it is more useful than the conventional critical clearing time (CCT) of the energy function method. The proposed method can also estimate CGM as a negative value, which means instability in the present load profile, and so a negative CGM can be directly used as a restriction on generator output. The accuracy and fast solution ability of the proposed method are verified by applying it to a simple 3‐machine model and IEEJ EAST10‐machine standard model. Furthermore, the usefulness of the method for severity ranking of transient stability for various fault cases is discussed by using CGM. 2010 Wiley Periodicals, Inc. Electr Eng Jpn, 173(3): 10–19, 2010; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/ eej.21035     

提高系统暂态稳定性的柔性直流受端电网故障穿越策略整定

随着大容量柔性直流输电技术日趋成熟,其在大电网中的应用愈发广泛。充分利用柔性直流灵活、快速的调节性能,设计合理的控制策略,有利于提升系统的安全稳定特性。文中重点针对柔性直流的交流故障穿越策略,利用扩展等面积法则(EEAC)分析了其影响系统暂态稳定性的机理。提出一种提高系统暂态稳定性的故障穿越策略工程优化整定方法。通过优化柔直在故障穿越期间的无功控制目标、低穿电压阈值、故障穿越期间的有功和无功电流限值以及故障穿越的恢复电压阈值,可显著提升柔性直流接入系统的暂态稳定特性。在规划系统仿真中验证了所提方法的有效性,可为实际柔性直流接入系统的控制策略优化及方式安排提供技术支撑。