基于广域测量信息的物理-数据融合频率偏差极值在线预测

大规模风电并网降低了电力系统惯量水平，增加了其暂态频率偏差的越限风险，然而现有频率预测模型对含风电系统的在线预测速度和精度都还不够，故需进一步优化频率偏差极值预测方法，用以系统的频率稳定评估。文章基于广域量测技术(wide area measurement system, WAMS),考虑风电并网对频率响应过程的影响，提出了一种物理-数据融合频率偏差极值在线预测方法。首先，利用广域量测信息对有功-频率开环解耦模型进行数据粘合，在此基础上形成可快速求解的物理-数据融合的暂态频率分析模型；其次，基于该模型，获得实时更新的频率偏差极值预测值，并提出“预测值误差指数”指标来量化预测精度，指导在线模型的自适应动态结果输出；最后，通过算例验证了所提频率偏差极值在线预测方法的快速性和准确性。     

基于自适应时间窗的数据-模型融合驱动暂态频率预测

新能源大规模并网使得新型电力系统的暂态频率响应特征更加复杂,现有频率在线预测方法难以兼顾准确性和及时性。基于此,提出基于自适应时间窗的数据-模型融合驱动暂态频率预测方法。首先,基于长短期记忆网络,离线训练多个具有不同长度时序数据输入的频率曲线循环预测模型;其次,利用参数辨识方法离线建立各发电集群的通用等值频率响应模型,在此基础上构建系统有功-频率物理机理快速分析模型;最后,串行融合前述频率曲线循环预测模型与有功-频率物理机理快速分析模型,并提出“可信度量化评估指标”,实时分析在线预测过程中不同评估时刻下预测结果的精度,自适应调整输入时序数据长度,直至预测结果满足要求并输出。含风电的IEEE39节点系统的仿真结果表明,所提方法在不同风电渗透率或不同扰动下均能快速、准确地预测暂态频率响应曲线,相较于其他在线预测方法具有更优的评估性能。