軌跡分析方法與長短期記憶網絡的電網暫態穩定裕度評估

薛 易，閆 旭，郭松林，相東昊

(黑龍江科技大學 電氣與控制工程學院，哈爾濱 150022)

0 引 言

隨著電網中新能源占比不斷提高，電力電子化現象日益凸顯，加劇了電網運行環境的復雜特性[1]。目前，電力系統暫態穩定評估手段大多依據軌跡分析方法，其耗時較長，難以滿足大電網正常態運行的可靠性與時效性要求[2]。暫態穩定評估作為穩定性研究的主要方向[3]，如何在電網故障惡化前期精準定位暫態能量邊界并確定系統穩定裕度對維持電網安全穩定運行具有現實意義。

隨著廣域量測系統(Wide area measurement systems，WAMS)的大面積推廣應用[4-5]，電網量測信息的全局性及時效性得以滿足，拓寬了電力系統暫態穩定性研究的應用前景。現階段有關電網暫態穩定性的研究大多結合軌跡預測、軌跡判據以及人工智能等方法分析響應信息。林飛等[6]通過構建發電機轉子間相對搖擺角的多項式模型預測軌跡信息，計算簡單，但預測結果的準確性受限于模型參數及階數。吳為等[7-9]基于軌跡的幾何特征變化判別電網穩定性，計算速度快，但其結果能否有效受量測信息精度的影響較大。

近年來，人工智能技術受到各界的廣泛關注，憑借其學習機制可以挖掘電網數據間深層關聯關系，揭示系統狀態與響應信息間的內在聯系，具有精度高、時效性強，現已被廣泛應用于電網領域[10-13]。常用的人工智能技術主要包括卷積神經網絡、支持向量機等。安軍等[14]通過對響應信息的排列組合建立電網狀態同量測信息間的精準映射關系，擺脫了傳統方法對模型的依賴，但信息間的作用機理尚不明晰，對于復雜電網的預判存在誤差。……