电力系统预想故障下动态频率响应特性指标智能化评估方法研究

摘要

随着风电、光伏等可再生能源机组的大规模并网以及特高压直流输电工程的快速发展，电力系统惯性大幅降低、一次调频能力弱化，遭受大容量有功扰动故障下的频率失稳风险剧增。　　目前，全模型时域仿真方法广泛用于模拟预想有功功率扰动故障（如大容量机组停运、直流闭锁故障）后的动态频率时空分布特性，得到动态频率响应特性指标，如极值频率、准稳态频率、最大频率变化率。然而，全模型时域仿真计算量大、运算耗时长，只适用于离线仿真分析、难以应用于海量预想有功扰动故障下频率指标的在线评估与预测。对于含高比例可再生能源的电力系统，风电、光伏等波动性电源加剧了运行方式的多样性和复杂性，全模型时域仿真难以满足多重不确定因素（随机性电源出力、多类型扰动事故等）“组合数爆炸”下的频率指标快速评估需求。因此，需要研究更加便捷和智能、可在线应用的预想故障下动态频率响应特性指标评估方法，以便电力调度与规划人员快速、准确地把握电力系统的动态频率响应特性，制定有效的预防控制措施保证事故后频率在可容忍范围内，维持电力系统安全稳定运行。本文主要的研究内容及研究成果包括：　　①针对浅层神经网络对输入数据典型特征处理能力有限，难以映射复杂情况下的输入?输出关系，过拟合或欠拟合问题突出、泛化能力差等问题，提出了基于堆栈降噪自动编码器(Stacked Denoising Autoencoder，SDAE)的电力系统预想故障下动态频率响应特性指标智能化评估方法。该方法分为离线训练和在线评估两大功能模块，其中，离线训练模块采用“预训练-参数微调”的两阶段方法训练SDAE网络参数，并引入Dropout技术提高算法泛化能力、防止过拟合，基于均方根反向传播(Root Mean Square Back Propagation，RMSprop)优化方法对网络参数进行微调，减小陷入局部最优的概率。选用IEEE RTS-79系统以及某省级电网开展算例分析，验证了堆栈降噪自动编码器在预想故障下动态频率响应特性指标智能化评估上的有效性和优越性。　　②为克服SDAE离线训练时间久、少量训练样本下预测精度低的问题，提出了基于极限梯度提升(Extreme Gradient Boosting,，XGBoost)的电力系统预想故障下动态频率响应特性指标智能化评估方法，并利用贝叶斯优化方法实现XGBoost超参数的自动优化。针对某省级电网开展算例分析，并与SDAE进行对比，验证了XGBoost在预想故障下动态频率响应特性指标智能化评估上的精确性以及离线训练的快速性。　　③针对基于SDAE和XGBoost的纯数据驱动方法在训练样本极小情况下时难以实现对小概率边缘预想故障下动态频率响应特性指标的准确评估问题，提出了数据驱动与模型驱动融合的电力系统预想故障下动态频率响应特性指标智能化评估方法。通过聚合多机系统频率响应模型保留电气信息间的强因果关系，并通过数据驱动方法实现扰动故障后频率极值点以及准稳态频率对应的动态阻尼因子的优化辨识。该方法进一步提高了频率指标预测的准确性，保证了在小概率扰动事故下可以得到较为准确的解。选用某省级电网开展算例分析，并与SDAE、XGBoost进行对比，验证了数据驱动与模型驱动融合方法在预想故障下动态频率响应特性指标智能化评估上的优越性。　　本文提出的三种方法都具有应用于实际大规模电力系统预想故障下动态频率响应特性指标智能化评估的可行性，为电力调度与规划人员把握直流和新能源高渗透型电网在多重不确定因素“组合数爆炸”下的电力系统动态频率响应特性提供了新的思路和方法。

目录

1 绪 论

1.1 课题的背景和意义

1.2 国内外研究现状及发展趋势

1.2.1 基于模型驱动的预想故障下动态频率响应特性指标评估

1.2.2 基于数据驱动方法的预想故障下动态频率响应特性指标评估

1.2.3 存在问题及发展趋势

1.3 本文的主要工作

2 电力系统动态频率响应及样本数据库批量生成方案

2.1 引言

2.2 有功扰动故障下动态频率响应机理

2.3 影响电力系统动态频率响应的关键物理量

2.3.1 有功功率扰动程度及位置

2.3.2 惯性时间常数

2.3.3 旋转备用

2.3.4 机组开停机状态

2.3.5机组单位调节功率

2.4 电力系统动态频率响应特性评估指标

2.5 动态频率响应数据库批量生成方案

2.5.1 基于PSD-BPA 的扰动事故仿真基本流程

2.5.2 动态频率响应数据库批量生成

2.6 小结

3 基于SDAE的电力系统预想故障下动态频率响应特性指标智能化评估方法

3.1 引言

3.2.1 深度学习的基本思想

3.2.2 深度学习训练方法

3.3 基于SDAE的电力系统预想故障下动态频率响应特性指标智能化评估方法

3.3.1 堆栈降噪自动编码器的原理

3.3.2 堆栈降噪自动编码器的输入变量与输出变量的选择

3.3.3 离线训练

3.3.4 在线评估

3.4 算例分析

3.4.1 IEEE RTS-79系统算例分析

3.4.2 实际系统算例分析

3.5 小结

4 基于XGBoost 的电力系统预想故障下动态频率响应特性指标智能化评估方法

4.1 引言

4.2 XGBoost 算法原理

4.3 贝叶斯优化算法简介

4.4 基于XGBoost 的电力系统预想故障下动态频率响应特性指标智能化评估方法

4.5 实际系统算例分析

4.5.1 风电机组跳闸故障的频率指标评估精度分析

4.5.2 大容量水电、火电机组跳闸故障的频率指标评估精度分析

4.5.3 直流闭锁故障的频率指标评估精度分析

4.6 小结

5 数据驱动与模型驱动融合的电力系统预想故障下动态频率响应特性指标智能化评估方法

5.1 引言

5.2 聚合多机系统频率响应模型

5.3 动态阻尼因子修订

5.4 数据驱动与模型驱动融合的电力系统预想故障下动态频率响应特性指标智能化评估方法

5.5 实际系统算例分析

5.5.1 某省级电网的聚合频率响应模型

5.5.2 动态阻尼因子与固定阻尼因子对比

5.5.3 风电机组跳闸故障的频率指标评估精度分析

5.5.4 大容量水电、火电机组跳闸故障的频率指标评估精度分析

5.5.5 直流闭锁故障的频率指标评估精度分析

5.6 小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

附录

A. 作者在攻读硕士学位期间发表的论文

B. 作者在攻读硕士学位期间申请的专利

C. 作者在攻读硕士学位期间参与的科研项目

D. 学位论文数据集

致谢