基于深度学习的含统一潮流控制器的电力系统快速安全校正

作者：孙国强; 张恪^*; 卫志农; 李群; 刘建坤; 赵静波; 张宁宇

来源：电力系统自动化, 2020, 44(19): 119-127.

• 快速安全校正
• 深度学习
• 神经网络
• 识别模型
• 统一潮流控制器

随着新一代柔性交流输电装置如统一潮流控制器(UPFC)在现代电力系统中的逐步推广和应用,对电网安全校正策略的制定提出了更高的要求。基于物理模型的传统电网安全校正方法在实时性方面具有一定的局限性,而数据驱动方法将大量的复杂计算前移到离线阶段,具有快速在线计算性能。因此,针对含UPFC的电力系统提出了一种基于深度学习的快速安全校正方法。首先,基于深度学习建立了节点调整状态识别模型,利用深度神经网络(DNN)的分类和学习能力,优先确定存在调整可能性的节点范围,避免物理模型优化类方法迭代无解问题。然后,针对缩减后的寻优空间进一步采用优化法实现系统安全校正计算,快速确定系统各节点调整量。基于中国南京西环网UPFC示范工程的应用效果表明,所提快速安全校正策略能够发挥DNN的学习能力,进而提高系统安全校正的效率和实用性。

• 单位
  河海大学; 电气学院