考虑时序相关性的数据驱动电-气综合能源系统态势感知

摘要：

高效准确的态势感知技术是电-气综合能源系统(electricity-gas integrated energy system,EGIES)运行风险预警的关键.但是,传统电力系统的态势感知技术无法完全适用EGIES的强非线性与异能耦合特性.数据驱动技术的快速发展为EGIES态势感知提供了新思路.为此,该文提出了考虑时序相关性的数据驱动电-气综合能源系统态势感知方法.在态势察觉阶段,利用状态估计对量测噪声进行滤波处理,求解EGIES状态量并察觉系统偏离量;在态势理解阶段,基于格拉姆角差场理论对历史偏离量变化进行时序相关性理解,同时对未来偏离量变化进行运行趋势定性理解;在态势预测阶段,建立卷积神经网络模型,利用历史偏离量预测系统未来运行趋势.基于14节点电力系统与7节点天然气系统耦合系统的算例分析表明,所提方法相比于长短期记忆神经网络、支持向量机方法的预测准确率分别提高2.87％、4.95％,其在训练集占比改变时具有更高的预测准确率.

关键词：态势感知、数据驱动、综合能源系统、卷积神经网络

所属期刊栏目：46

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;湖南省自然科学基金面上项目;湖南省教育厅资助科研项目

在线出版日期：2022-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3385-3393