计及低频减载动作的最大暂态频率偏移快速估计

论文摘要

随着大容量远距离高压直流输电工程建设和大规模可再生能源的接入,受端电网频率安全风险增大。针对大容量直流闭锁等可能触发低频减载的严重扰动,文中提出基于机器学习的电力系统最大暂态频率偏移快速估计方法。将问题分解为低频减载响应判断和最大频率偏移估计两个子问题,通过子模型交替求解估计最大暂态频率偏移;基于支持向量回归方法构建最大频率偏移估计子模型,以支持向量机为个体学习器构建基于Bagging集成学习的低频减载响应判断子模型;以运行方式信息和扰动信息为输入,采用ReliefF算法和主成分分析法对输入特征进行选择和提取,降低模型复杂度。以某多直流馈入受端系统为例构建最大暂态频率偏移估计模型,验证所提方法的准确性和适应性。

论文目录

• 0 引言
• 1 最大暂态频率偏移估计模型结构
•   1.1 问题分析
•   1.2 最大暂态频率偏移估计模型的分解建模
•   1.3 训练样本集生成
•   1.4 最大暂态频率偏移交替估计流程
• 2 最大暂态频率偏移估计子模型构建方法
•   2.1 基于SVR的子模型F构建
•   2.2 基于Bagging集成学习的子模型U构建
•     2.2.1 基于SVM的Bagging集成学习模型
•     2.2.2 个体学习器的训练
• 3 模型输入特征降维
•   3.1 输入特征类别初筛
•     1)根据专家经验初选9类变量为候选特征集:
•     2)候选特征类筛选。
•   3.2 子模型F输入特征选择
•   3.3 子模型F输入特征提取
• 4 算例分析
•   4.1 算例电网介绍
•   4.2 模型输入特征降维
•   4.3 模型训练结果分析
•   4.4 模型泛化能力分析
•   4.5 与其他频率偏移估计方法的比较
• 5 结语

文章来源

类型: 期刊论文

作者: 李常刚,李华瑞,刘玉田,吴海伟,徐春雷

关键词: 电力系统,频率偏移,低频减载,支持向量机,集成学习,特征降维

来源: 电力系统自动化 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业

单位: 电网智能化调度与控制教育部重点实验室(山东大学),国网江苏省电力有限公司

基金: 国家重点研发计划资助项目(2017YFB0902600),山东大学青年学者未来计划(2018WLJH31)~~

分类号: TM712

页码: 27-35

总页数: 9

文件大小: 971K

下载量: 258