基于物理—數(shù)據(jù)融合模型的電網(wǎng)暫態(tài)頻率特征在線預(yù)測方法

王 琦, 李 峰, 湯 奕, 薛禹勝,2,3

(1. 東南大學電氣工程學院, 江蘇省南京市 210096; 2. 南瑞集團(國網(wǎng)電力科學研究院)有限公司, 江蘇省南京市 211106;3. 智能電網(wǎng)保護和運行控制國家重點實驗室, 江蘇省南京市 211106)

0 引言

隨著大規(guī)模特高壓交直流輸電通道建設(shè)的推進,受電比例增高間接降低了受端電網(wǎng)中傳統(tǒng)電源的頻率調(diào)節(jié)能力,導(dǎo)致大功率缺額情況下電網(wǎng)頻率異常波動的風險增加[1]。以華東電網(wǎng)為例,自2015年下半年以來已發(fā)生多起因特高壓直流閉鎖造成的頻率跌落事故[2]。因此,在系統(tǒng)受擾后對電網(wǎng)暫態(tài)頻率態(tài)勢進行高精度在線預(yù)測,對保證受端電網(wǎng)頻率穩(wěn)定具有重要意義。

傳統(tǒng)的電力系統(tǒng)受擾后頻率機電暫態(tài)特性的分析方法以物理模型為基礎(chǔ),主要有通過求解包含全網(wǎng)模型的高階非線性微分代數(shù)方程組的全時域仿真法[3]、以平均系統(tǒng)頻率模型[4]和系統(tǒng)頻率響應(yīng)(system frequency response,SFR)模型[5]為代表的單機帶負荷模型等值法以及以直流潮流法[6]和系統(tǒng)方程線性化方法[7-8]為代表的模型線性化方法。上述基于物理模型的分析方法在線應(yīng)用時,存在計算精度與計算效率之間的矛盾。

近年來迅速發(fā)展的數(shù)據(jù)科學理論為電力系統(tǒng)頻率預(yù)測提供了新思路[9-10]。作為代表的機器學習方法能夠完全脫離物理模型層面,利用歷史數(shù)據(jù)挖掘系統(tǒng)輸入輸出之間的關(guān)聯(lián)關(guān)系[11-15]。該類方法在數(shù)據(jù)分析處理速度方面具有顯著優(yōu)勢。理論上,若具備充足、精確的樣本,機器學習方法可精確擬合各種非線性環(huán)節(jié)的響應(yīng)特性。……