机理与数据融合驱动的含IIDG配电网短路电流计算方法
目前含逆变器型分布式电源(IIDG)的配电网短路电流计算主要采用物理建模方法,在IIDG高渗透情况下其在计算速度、准确性、通用性等方面存在不足.因此提出一种机理与数据融合驱动的适用于含IIDG和IIDG高渗透下配电网的短路电流计算方法.为与数据驱动建模的计算方法进行对比,在对含IIDG的配电网进行特征分析的基础上,提出了反映短路电流的2种特征组合方式:一种使用蕴含机理的特征,即将不接入IIDG时配电网的短路电流作为关键特征,另一种则使用配电网特征.通过运行MATLAB/Simulink上搭建的仿真模型自动积累样本集合,使用机器学习中的集成方法(包括随机森林、极限随机树、XGBoost、LightGBM)进行2种特征下的模型训练.在IEEE 34节点系统上验证了集成方法建模的可行性和有效性,同时对比了不同集成方法以及不同特征组合方式的计算误差,结果表明,各集成学习方法均能够准确地进行短路电流计算,机理与数据融合的驱动方法在机理未失效情况下,比单纯的数据驱动模型计算更准确.与物理建模方法的对比结果也验证了所提方法的准确性和快速性.
逆变器型分布式电源、配电网、短路电流计算、特征分析、机器学习、集成方法
41
TM713(输配电工程、电力网及电力系统)
国网湖州供电公司科技项目2019-HUZJTKJ-17
2021-01-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
41-47