关键词:
暂态稳定
深度学习
脆弱性分析
复杂网络
摘要:
随着世界能源变革的推进,各国电力系统逐步呈现出可再生能源占比高、资产规模增加、区域互联紧密、电力电子化等特征,一旦系统遭受大扰动或外部威胁,极易进入暂态不稳定状态、引发连锁故障,这成为影响系统脆弱性的主要因素。目前的脆弱性研究方法主要从网络结构以及稳态运行两个角度展开,但缺乏暂态视角。基于此研究背景,为提高系统脆弱性分析精度,并降低建模复杂程度,本文提出一种考虑暂态影响的电力系统脆弱性分析方法。主要研究内容包括:(1)以经典电力系统模型为基础,从同步机、自动电压调节器、调速器以及网络结构多个角度,分析影响电力系统暂态稳定的关键因素,结合复杂网络理论,根据影响程度大小以及数据获取难度,提取影响暂态稳定的关键特征。(2)建立暂态稳定判断模型。以及线路三相短路为故障,考虑暂态稳定过程,采用PSD-BPA进行仿真,并利用Excel和Python语言编写样本批量生成程序,获得样本数据集。利用XGBoost算法,训练得到暂态稳定判断模型,并通过有效性评价指标,评估训练效果。(3)构建计及暂态的脆弱性分析模型。基于传统最优潮流模型,以负荷切除量最小为目标函数,考虑稳态交流潮流约束,将训练得到的模型作为暂态稳定约束,使用差分进化算法,进行N-1故障下系统脆弱性分析。(4)计及暂态的脆弱性分析模型效果验证。建立IEEE-39节点系统,首先,使用深度学习有效性评价指标,通过深度置信网络、决策树、支持向量机以及XGBoost得到不同暂态稳定判断模型,并比较其预测效果;其次,通过三种脆弱性分析方法对比,验证本文所提方法的合理性;最后,通过比较最小负荷切除量与系统等值惯性时间常数、发电机-线路等值电气距离的关系,证明其能反映计及暂态的系统脆弱性。综上所述,本文所提方法有能效衡量线路的脆弱程度,相比于传统方法,有助于提高分析准确度,保证结果真实性,为电力系统预防控制提供可靠的依据,在实际应用中具有较高的参考价值。