基于物理—数据融合模型的电网暂态频率特征在线预测方法

被引:47
作者
王琦 [1 ]
李峰 [1 ]
汤奕 [1 ]
薛禹胜 [1 ,2 ,3 ]
机构
[1] 东南大学电气工程学院
[2] 南瑞集团(国网电力科学研究院)有限公司
[3] 智能电网保护和运行控制国家重点实验室
基金
国家自然科学基金国际合作与交流项目; 国家重点研发计划;
关键词
融合建模; 频率态势预测; 系统频率响应; 极限学习机;
D O I
暂无
中图分类号
TM712 [电力系统稳定];
学科分类号
080802 ;
摘要
电力系统频率态势在线预测有助于快速准确地制定扰动后的控制措施,降低事故影响。单一依靠物理或数据模型的频率态势在线预测方法在实际应用中存在计算速度与精度之间的矛盾。采用基于物理—数据融合建模思路,提出一种频率态势在线预测方法:将暂态频率影响因素划分为关键因素和非关键因素,对关键因素采用系统频率响应模型以保留电气信息间因果联系,对非关键因素采用基于极限学习机的误差校正模型以表征关联关系。该方法具有样本依赖性小、通信容错率高、计算效率受系统规模影响小的特点。通过标准测试系统仿真验证,表明所述方法能够快速、准确地预测系统受扰后的频率态势特征。
引用
收藏
页码:1 / 9
页数:9
相关论文
共 18 条
[1]   “9·19”锦苏直流双极闭锁事故华东电网频率特性分析及思考 [J].
李兆伟 ;
吴雪莲 ;
庄侃沁 ;
王亮 ;
缪源诚 ;
李碧君 .
电力系统自动化, 2017, 41 (07) :149-155
[2]   面向能源系统的数据科学:理论、技术与展望 [J].
赵俊华 ;
董朝阳 ;
文福拴 ;
薛禹胜 .
电力系统自动化, 2017, 41 (04) :1-11+19
[3]   大能源思维与大数据思维的融合 (二)应用及探索 [J].
薛禹胜 ;
赖业宁 .
电力系统自动化, 2016, 40 (08) :1-13
[4]   大能源思维与大数据思维的融合(一)大数据与电力大数据 [J].
薛禹胜 ;
赖业宁 .
电力系统自动化, 2016, 40 (01) :1-8
[5]   基于v-SVR的电力系统扰动后最低频率预测 [J].
薄其滨 ;
王晓茹 ;
刘克天 .
电力自动化设备, 2015, 35 (07) :83-88
[6]   智能电网大数据技术发展研究 [J].
张东霞 ;
苗新 ;
刘丽平 ;
张焰 ;
刘科研 .
中国电机工程学报, 2015, 35 (01) :2-12
[7]   基于响应的电力系统广域安全稳定控制 [J].
汤涌 .
中国电机工程学报, 2014, 34 (29) :5041-5050
[8]   基于响应轨迹和核心向量机的电力系统在线暂态稳定评估 [J].
王亚俊 ;
王波 ;
唐飞 ;
陈得治 ;
王静 ;
王乙斐 ;
周雨田 .
中国电机工程学报, 2014, 34 (19) :3178-3186
[9]   基于广域量测的电力系统扰动后最低频率预测 [J].
刘克天 ;
王晓茹 ;
薄其滨 .
中国电机工程学报, 2014, 34 (13) :2188-2195
[10]   基于改进频率响应模型的低频减载方案优化 [J].
蔡国伟 ;
孙正龙 ;
王雨薇 ;
杨德友 ;
孔令国 .
电网技术, 2013, 37 (11) :3131-3136