PDF《计及低频减载动作的最大暂态频率偏移快速估计》

h t t p : / / ww w.

a e p s - i n f o . c o m 计及低频减载动作的最大暂态频率偏移快速估计 李常刚1 ,李华瑞1 ,刘玉田1 ,吴海伟2 ,徐春雷2 ( 1.电网智能化调度与控制教育部重点实验室( 山东大学) ,山东省济南市

2 5

0 0

6 1;

2.国网江苏省电力有限公司,江苏省南京市

2 1

0 0

2 4 ) 摘要:随着大容量远距离高压直流输电工程建设和大规模可再生能源的接入, 受端电网频率安全 风险增大.针对大容量直流闭锁等可能触发低频减载的严重扰动, 文中提出基于机器学习的电力 系统最大暂态频率偏移快速估计方法.将问题分解为低频减载响应判断和最大频率偏移估计两个 子问题, 通过子模型交替求解估计最大暂态频率偏移;

基于支持向量回归方法构建最大频率偏移估 计子模型, 以支持向量机为个体学习器构建基于 B a g g i n g集成学习的低频减载响应判断子模型;

以 运行方式信息和扰动信息为输入, 采用 R e l i e f F算法和主成分分析法对输入特征进行选择和提取, 降低模型复杂度.以某多直流馈入受端系统为例构建最大暂态频率偏移估计模型, 验证所提方法 的准确性和适应性. 关键词:电力系统;

频率偏移;

低频减载;

支持向量机;

集成学习;

特征降维 收稿日期:

2 0

1 8 -

0 6 -

3 0;

修回日期:

2 0

1 9 -

0 1 -

1 3. 上网日期:

2 0

1 9 -

0 4 -

1 1. 国家重点研发计划资 助项目(

2 0

1 7 Y F B

0 9

0 2

6 0 0) ;

山东大学青年学者未来计划(

2 0

1 8WL J H

3 1 ) .

0 引言 大规模远距离输电是解决中国一次能源与负荷 逆向分布矛盾的重要措施[ 1] , 大量特高压交直流工 程的建设使得受端电网遭受严重功率扰动的风险增 加.同时, 大量新能源发电的接入也使得系统惯性 和调频能力下降, 受端电网发生严重频率偏移的风 险增高[ 2] .因此, 快速估计受端系统在大容量直流 闭锁等严重功率扰动下的暂态频率偏移对于系统安 全稳定运行是至关重要的. 目前常用的电力系统频率偏移分析方法可分为 模型分析和机器学习两大类.模型分析法主要包括 全时域仿真法和等值简化模型法.全时域仿真法能 够计及电网详细模型, 但计算耗时, 难以满足在线应 用要求;

等值简化模型由于忽略了电压动态或采用 线性化假设等, 对大容量直流闭锁等严重功率扰动 下的频率偏移分析准确性不足[

3 -

7 ] . 基于机器学习的系统频率偏移估计方法近些年 得到广泛研究.文献[

8 -

9 ] 针对发电机脱网扰动, 以 扰动量和扰动前机组出力、 最大出力等为输入特征, 采用人工神经网络(artificialn e u r a ln e t w o r k, ANN) 估计系统最低频率;

文献[

1 0 ] 以扰动量、 扰动 前稳态信息和扰动后瞬间机组功率变化等为输入特 征, 使用函数连接型神经网络(functionall i n k n e t w o r k, F L N) 估计系统最低频率;

文献[

1 1] 选择 与文献[

1 0 ] 相似的输入特征, 基于υ支持向量回归 ( υ - s u p p o r tv e c t o r r e g r e s s i o n , υ - S V R) 估计发电机脱 网后 的最低频率;

文献[12] 基于支持向量回归(supportv e c t o rr e g r e s s i o n , S V R) 和ANN, 对扰动 后的稳态频率偏移量进行了预测;

文献[

1 3] 基于多 层极限学习机, 对扰动后的极值频率、 最大频率变化 率和准稳态频率进行了预测. 上述机器学习模型拓展了暂态频率偏移估计的 手段, 但都没有考虑低频减载( u n d e r - f r e q u e n c y l o a d s h e d d i n g , U F L S ) 动作对暂态频率偏移的影响.对 于可能触 发UFLS动作的扰动, 如大容量直流闭锁, 现有方法难以准确估计系统暂态频率偏移. 针对计及 U F L S 的系统最大暂态频率偏移估 计问题, 本文将问题分解为 U F L S响应判断和最大 暂态频率偏移估计两个子问题, 分别基于集成学习 和S V R 构建机器学习子模型, 通过两个子模型交替 求解, 快速估计系统最大暂态频率偏移.为降低模 型复杂度, 提高模型适应性, 本文采用特征类别初 筛、 特征选择和特征提取技术实现模型输入特征降 维, 并通过算例系统验证方法的准确性和适应性.