基于深度残差收缩网络的电力系统暂态频率安全集成评估

摘要：

在我国能源结构加速转型、力争实现"双碳"目标的背景下,传统电力系统也将迎来结构性的转变.其中由于可再生能源的随机性、不确定性和低惯量等特性,大规模新能源并网带来的一系列影响使得电力系统的频率安全问题日益突出.而传统的时域仿真方法在进行评估时有运算量大、计算时间长等缺点,故难以实现实际电力系统灵活多变的运行方式和大量量测数据下的快速评估.为实现对系统频率安全的快速评估,提出一种基于深度残差收缩网络(deep residual shrinkage network,DRSN)的电力系统暂态频率安全集成评估方法.深度残差收缩网络在深度残差网络的基础上引入注意力机制,能够增强有用信息并抑制冗余信息.在此基础上,将样本按最大频率变化率进行划分,并分别采用DRSN网络进行训练构建集成模型.通过引入风电的新英格兰39节点和118节点系统上的仿真结果,表明所用方法与传统深度学习方法相比精度更高,并有着优异的泛化性、鲁棒性和适用性.

关键词：深度学习、电力系统、频率安全、最大频率变化率、深度残差收缩网络、注意力机制

所属期刊栏目：47

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划;国家电网有限公司总部科技项目

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：482-492,中插12-中插13