MLE判据-动态异构图架构下的电力系统多任务暂态稳定评估

报告人：秦文萍 秦文萍博士 教授博士生导师 IEEE高级会员IEEEPES太原分会移书长 研究方向： >交直流混合配电网保护 >大规模新能源并网稳定性分析 >电力系统可靠性/韧性评估 科研项目与成果： >主持/参与纵横向项目20余项 >发表高水平学术论文150余篇；授权发明专利41项 》出版学术专著1部 >出版高等学校规划教材8部 目录 基于数据驱动的暂态稳定评估研究现状与创新路径 01 计及机电-电磁时间尺度动态的多任务特征集构造与选择框架 基于MLE的暂态稳定判据框架构建与应用 基于动态异构图的多任务暂态稳定评估方法 01基于数据区动的暂态稳定评估研究现状与创新路径 01基于数据驱动的暂态稳定评估研究现状与创新路径 研究背景 双碳”目标驱动下，高比例新能源和高比例电力电子设备成为电力系统的显苦特征，电网的拓扑结构、控制特性和稳定机理发生大改变，新型电力系统呈现异构性、非线性、高维，工况时变性等复杂系统特征。另一方面，得益于电网测量装置的广泛应用及人工智能技术的快速发展，电力系统的海量多维运行信息为数据驱动方法提供了保障。 新能源装机规模增加 ?西班牙大停电事故 205年月日，6牙成王从片街，医大性济提线， 01基于数据驱动的暂态稳定评估研究现状与创新路径 研究内容一：输入特征层面 研究内容二：样本标签层面 研究内容三：模型算法层面 口静态量测信息口搏细化指标口动态响应轨迹 口相关性原愿则口多时间断面原口特征集约简原则 口已有研究多案生单一评借任务 口未差异化处理不同类型发电机节点的影响 口新能源机组不存在传块功角定文 未充分考虑多时间尺座特征 模型难以处理动态拓扑结构 口传统实用判括可掌百性失效 口缺乏对多任务导向的愉入特征集筛选方法 口缺乏适用性更广的精细化判据 模型暂态时空关联提取能力和可解释性受限 智态验定判据适用性与暂态全局表征能力薄品 关键问题3 关键问题2 关键问题 如何构建融合动态异构拓扑特性与因果推理机制的数据驱动模型？ 如何突破传统稳定判据的局限性。构建适应多任务导向的一体化精细化判据？ 如何融合机电-电磁多时间尺度特征，并设计多任务协同导向的特征选择方法？ 02计及机电-电磁时间尺度动态的多任务特征集构造与选择框架 02研究内容一→关键问题1 2.1TSAT-RTDS多时间尺度联合仿真 对复杂电网的运行行为认知与稳定分析控制高度依赖暂态仿真技术，高比例新能源接入后的电力系统动态响应存在慢时间尺度的机电暂哲态和快时间尺的电带暂态。为了获双馈风电机组【DFIG）的详细动态响应，采用TSAT和RTDS搭建DFIG并网联合仿真模型。RTDS电磁侧采样间隔为400μ5，仿真时长2s；TSAT机电侧采间隔为0.01s，总仿真时长10s，系统额定频率为50Hz。 仿真运行场景考虑不同的负荷水平、故障位置及故障持续时间等因素生成初始样本集， 潮流水平：90%~110%，5%步长，共五种负荷水平故障位置：距离各线路首端10%、40%90%处故障类型三相短路接地故障故障开始时刻：故障开始于TSAT则1s故障持续时间：2~8个周波 经TSAT-RTDS联合仿真，去险混合仿真失败以及潮流不收敛的样本，最终得到2804个有效样本。根据内置的暂态功角TS判据和哲态电压阅值判据对样本稳定性进行标注 其中功角稳定样本2103个，功角失稳样本701个；电压稳定样本2399个，电压失移伴本405个。 02研究内容一→关键问题1 两阶段特持征选择框架： 针级新牌 阶段一：基于改进MRMR算法的功角与电压多任务共性特征初筛，通过引入多目标任务相关性联合指标和穴余度联合指标，保留多任务共有的特征集； 阶段2：基于Boruta算法的功角与电压多任务特异性特征细筛，通过设置联合判定规则，得到功角特异性子集和电压特异性子集： 应用：基于多通道LSTM和时空注意力模快的暂态稳定评估模型，不同通道分别以不同持征子集作为输入，以功角和电压稳定状态作为输出。 02研究内容一一→关键问题1 MRMR算法 针级牌 +MRMR算法是基于信息度量的特征选择算法，同时保证了所筛选特征与输出结果的最大相关性和特征之间的最小余性 因此，多任务评分函数可避免单一任务筛选偏差，保留多任务共有特征集 02研究内容一→关键问题1 Boruta算法 针级牌 联合判定规则 “先共性，后特异性”的特征选择原则 02研究内容一→关键问题1 2.2特征集应用：基于多通道LSTM和时空注意力模块的数据驱动模型 多通道LSTM按照不同特征子集输入分为共享特征通道（通道1）功角特征通道（通道2）和电压特征通道（通道3），分别以上述特征选择框架得到的共性特征子集、特异性子集作为输入时空注意力层包括功角和电压两个分支，通过为不同任务设计独立的时空注意力层，可以使各任务自主学习对不同通道及时间断面的关注权重，最终分别连接全连接层和Softmax层得到暂态功角和电压稳定状态。 参数设置：共享通道LR-0.0001；其余！通道LR=0.001;Dropout=0.3Batchsize=128; epoch=150功角判据：暂态稳定指数电压判据：单二元表（0.75，1s)损失函数：y, logj, +(1 y,)log(1j))log(.Caun) 02研究内容一一→关键问题1 2.3算例分析-原始特征集构造 ■兼顾多类型设备动态响应以及网络传输特性对暂态稳定性的影响，依据特征相关性和多时间断面原则，综合选取同步发电机、双馈风机、负荷、输电线路及母线特征共计246维构建系统原始特征集。 ■为保证时间维度的完备性，本节基于暂态过程中不同演化阶段的时序数据，选择稳态时刻、故障发生时刻以及故障切除阶段共计6个时间断面作为采样点。 02研究内容一一→关键问题1 2.3算例分析-不同控制参数下模型性能分析 不同控制参数 0表示功角稳定任务权重，（1-2）表示电压稳定任务权重，通过改变其参数值，可以决定特征选择过程中对不同任务的侧重程产，表示任务内穴余权重，（1-例表示障任务允余的没重。不同的极生组合决定了特证选择过程中票盖美继变量的不同，从而影确模型判别精度， dx =TP+TN100%MI+dI+AI+dlTPP.:df+di×100%IPTP+ FWx100%2*PRP., +R.FPFNMf =TP+FN =0.8，进靠电压任务相关特征，误报率较高：-0.8，单一任务准确室不是量高，准确率分别为99.07%和98.93%6-0.4.功角准确率下降：过高或过低时，完余性抑制方向不同，模型精度下降：最优组合：新能接入比例胶高一降位效0-0.6，B-05，任性咨，自误股率利教实际价值：高兑余特征集一提高 02研究内容一一→关键问题1 2.3算例分析-不同特征集输入模型性能分析 不同特征选择框架 方案1：未经期选的原始特征集，其中各通道均以原始持征子生S为输入 方案2：仅经过MRMR算法获取共性特征于集5，各通道均以3输入： 方案3：仅经过Bon算法获取功角特异性于集5和电压特异性于集3e，其中通道1输人原单特征集：通追2、延增3分别指人功期、电压特异性子集； 方案4，本章质提两阶段特征证选择任架 由结果可知，方率1以原始特征凭作为单人，单个样本状态判刷时长约为0.22s；仅采用改进MRMR算法，特征维度压缩了单个样本判别时长约为0.08%71.54%，因此耗时较短；方案4筛选后特征维度压编了约80%， 多任务场罩下，基于两阶段特征选择柜架下的模型性能量优，单为输入，反映了电网全局稳定性：遇道2、3分别以任务特异性子功角和电压任务准确率为99.07%和98.93%；遇道1以共性特证牛为输入，避免单一任务方法因目标滑导致特征证混杂的可题，实现了物理层面的解耦 02研究内容一一→关键问题1 2.3算例分析-时空注意力分布可视化-面向通道维度 注意力机制通过为输入数据分配不同的动态权重而有选择地关注对当前任务重要的信息，通道间注意力的目标是计算同一时间步长上各LSTM通道特征对不同任务的重要性权重，其输入特征由多通道LSTM的输出拼接而成：下图底示了针对所选取的50个：仿真场景，不同训练轮次中面向通道（不同LSTM通道）维度的注意力分布。 训练开始阶段，各通道授重无钥显规律；训练中期，以功角特异性特证集为输入的通道2权重升高，而通道3权重因为任务相关性低而缺抑制：训炼收数除阶段，对于功角任务，美特征成为情型决策依据的核心通道：通道！为复杂场累多任务提供通道1的进性特证及通道2的功拍拍 认练中期，以电压特异性特征集为翰人的通谱3权重升高，而通训练开始阶段。各通道仅重无明显见律：道2权重固为任务相关性低而被抑制；认练收敛阶段，对于电压任务，相关特征成为模型决策依据的核心遇道：通道1为复杂场最多在遇道1的共性特征及涵道3的功角务提供互补信息，防止单一任务过拟合， 在通道维度上，通道权重的优先级由任务相关性决定。 02研究内容一→关键问题1 2.3算例分析-时空注意力分布可视化-面向时间维度 注意力机制通过为输入数据分配不同的动态权重而有选择地关注对当前任务重要的信息。时间注意力的目标是计算不同时间！断面特征之间对最终目标决策任务的重要性权重。下图展示了针对所选取的50个仿真场景，不回训陈轮次中面向时间（不回特征采：样时刻通道）维度的注意力分布， 随着训紧轮次的增加，无论是功的还是电压评估任务，不同时间断面的权重注意力分布均向故障后的信息编移对于功角任务，故障时刻特征赋予了更高了权重。其原因是暂态功稳定问题往往和转子动力学直接相关，功准就遇往往发生在早明 对于电压任务，故障切隐后的时刻赋予了更高的权重，表明而电压特征可能在故发生后需才显替变化，这一区别！不仅反映了不同类别瞻定性问题的揭合性，也反块了物理机理上的差异在时间维庞上，故章时刻及故障切除后恢复阶段的电气量具有更多的暂志信息，对于日标任务的快策具有决定性作用。 多时间断面保证了时间尺度上信息的完备性，使模型尽可能学习到正确的暂态映射规律 03基于MLE的暂态稳定判据框架构建与应用 03研究内容二→关键问题2 3.1电力系统暂态响应的MLE数学化表征 新型电力系统表现出复杂系统的涌现特性，最大李雅普诺夫指数（MILE）是表征非线性混沌系统特性的重要参量通常通过两轨迹对数距离来估算。由于电力系统在一个时间周期内的动力学响应较快，因此选取时间邻近点（即原轨迹和参考轨在时间尺度上相差一个时间周期）可以保证原轨迹和参考轨迹的分离度。 基MLE构建与应用 03研究内容二→关键问题2 3.2关键节点辨识方法与暂态稳定判别框架 大量研究表明，故障发生后潮流在拓扑约束下的再分配过程实际上反映了系统复杂网络与设备动态特性之间的能量交互，且不同机组或区域受到的影响存在差异性，通过关键机组或区域的动态特性反映整体稳定性，本质上是构建了部观激变量与系统全局稳定性之间的映射关系，系统不司响应轨迹所表征的暂态信息也不相同，因此用于计算MILE的单维电压响应数据应优先选取受扰后对系统稳定性影响最大的关键节点响应轨迹。 禁千MLE构建与应用的暂态稳定判据框架 全局（数感性）视角 03研究内容二一→关键问题2 03研究内容二一→关键问题2 3.4算例分析-暂态电压响应与相轨迹特性分析 选取时域仿真1s时，95%负荷水平下，距离线路Line28-29首端40%处发生三相短路故障，故障持续时间分别为80m5和100ms时G38机端电压幅值和BUS29负荷母线电压幅值的暂态响应曲线和相轨迹， 对于机端电压表征的功角稳定性问题：不同故障切除时间下的哲态响应轨迹随时间变化的规律不同，对应的相轨迹也表现出不同的形态，具体表现：稳定场景下，相轨迹在仿真时长内汇聚至某一稳定点（图中蓝色标记点）：失稳场景下，相轨迹持续发散而无法汇聚至某一稳定点（橙色标记点为轨迹终点）；