数据—物理融合驱动的含新能源电网短路电流超标评估策略

摘要：

目前含新能源电网短路电流超标问题日益严重,因其状态变化更快、幅度更大,离线的短路电流超标分析可能无法穷尽超标场景,在线实时分析具有相当的必要性.考虑到主流物理模型计算方法难以满足在线计算速度需求,更快速的计算具有重大意义,因此,提出一种数据—物理融合驱动的短路电流超标评估策略.首先,在分析影响短路电流主要因素的基础上,为了提高计算速度,将原先特征降维为仅考虑负荷的影响,再结合最优潮流及随机模拟生成大量样本集合,通过机器学习算法训练得出数据驱动模型,在此基础上,使用漏检率和误检率对数据模型进行阈值整定;然后,利用数据驱动模型初步筛选短路电流超标场景;最后,通过最新研究中所提理论物理模型对初筛后的短路电流场景进行高精度校验,并在含光伏电源的IEEE 39节点模型上进行验证.仿真结果表明:该策略可在确保不遗漏超标短路电流场景的前提下有效提升校验速度.

关键词：新能源、数据—物理融合、机器学习、数据驱动、短路电流超标

所属期刊栏目：38

分类号：TM713(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金52107095

在线出版日期：2023-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：24-34