Two-stage Multi-level Early Warning for Power System Frequency Safety Based on Improved Residual Network

LI Lusu; WU Junyong; LI Baoqin; WANG Yanbo; WANG Chunming; DONG Xiangming

doi:10.7500/AEPS20211119003

您当前的位置：

首页 >

文章列表页 >

Two-stage Multi-level Early Warning for Power System Frequency Safety Based on Improved Residual Network

Basic Research | 更新时间：2025-06-16

- Two-stage Multi-level Early Warning for Power System Frequency Safety Based on Improved Residual Network
- Automation of Electric Power Systems Vol. 47, Issue 1, Pages: 22-34(2023)
- 作者机构：
  
  1.北京交通大学电气工程学院，北京市 100044
  2.国家电网公司华中分部，湖北省武汉市 430077
- 作者简介：
- 基金信息：
  
  State Grid Corporation of China(SGLNDK00KJJS1800236)
- DOI：10.7500/AEPS20211119003
  CLC：
- Received：19 November 2021，
  
  Revised：2022-05-05，
  
  Published Online：28 October 2022，
  
  Published：10 January 2023
- 稿件说明：
移动端阅览
李栌苏,吴俊勇,李宝琴等.基于改进残差网络的两阶段电力系统频率安全多级预警[J].电力系统自动化,2023,47(1):22-34.

LI Lusu,WU Junyong,LI Baoqin,et al.Two-stage Multi-level Early Warning for Power System Frequency Safety Based on Improved Residual Network[J].Automation of Electric Power Systems,2023,47(1):22-34.
李栌苏,吴俊勇,李宝琴等.基于改进残差网络的两阶段电力系统频率安全多级预警[J].电力系统自动化,2023,47(1):22-34. DOI： 10.7500/AEPS20211119003.

LI Lusu,WU Junyong,LI Baoqin,et al.Two-stage Multi-level Early Warning for Power System Frequency Safety Based on Improved Residual Network[J].Automation of Electric Power Systems,2023,47(1):22-34. DOI： 10.7500/AEPS20211119003.

摘要

随着“双碳”目标的提出，可再生能源集群大规模并网，导致电力系统频率安全问题再次凸显。因此，借鉴深度学习方法，提出一种基于改进残差网络的两阶段电力系统频率安全多级预警模型。首先

对电力系统的频率安全进行多级精细划分，提出并构建频率安全多级预警模型。该模型在第1阶段利用基于改进残差网络的分类评估器对受扰后的频率是否会超出安全预警值进行评估，并给出预警等级；在第2阶段利用回归预测器进一步给出预警样本的危险程度。最后，以改进IEEE 10机39节点系统和美国伊利诺伊州200节点系统为算例对该模型进行测试，结果表明该模型具有较高的安全预警准确率，不但优于其他浅层学习方法和深度学习模型，而且可以精确地预测频率危险程度，并具有良好的鲁棒性和抗噪能力。

Abstract

With the proposal of the “carbon emission peak and carbon neutrality” goal and the large-scale grid connection of renewable energy clusters

the problem of power system frequency safety is highlighted again. Therefore

by referring to the deep learning method

a two-stage multi-level early warning model for power system frequency safety based on improved residual network is proposed. Firstly

the multi-level fine division for power system frequency safety is carried out

and the multi-level early warning model for power system frequency safety is proposed and constructed. In the first stage

the proposed model uses the classification evaluator based on the improved residual network to evaluate whether the disturbed frequency will exceed early warning value for the safety

and gives the early warning level. In the second stage

the regression predictor is used to further give the risk degree of early warning samples. Finally

the improved IEEE 10-machine 39-bus system and Illinois 200-bus system are taken as examples to test the model. The results show that the model has high early warning accuracy for the safety

which is not only better than other shallow learning methods and deep learning models

but also can accurately forecast the frequency risk degree

and has good robustness and anti-noise ability.

关键词

Keywords

references

韩肖清，李廷钧，张东霞，等 . 双碳目标下的新型电力系统规划新问题及关键技术［J］. 高电压技术， 2021 ， 47 （ 9 ）： 3036 - 3046 .

HAN Xiaoqing ， LI Tingjun ， ZHANG Dongxia ， et al . New issues and key technologies of new power system planning under double carbon goals ［J］. High Voltage Engineering ， 2021 ， 47 （ 9 ）： 3036 - 3046 .

周孝信，陈树勇，鲁宗相，等 . 能源转型中我国新一代电力系统的技术特征［J］. 中国电机工程学报， 2018 ， 38 （ 7 ）： 1893 - 1904 .

ZHOU Xiaoxin ， CHEN Shuyong ， LU Zongxiang ， et al . Technology features of the new generation power system in China ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 7 ）： 1893 - 1904 .

董旭柱，华祝虎，尚磊，等 . 新型配电系统形态特征与技术展望［J］. 高电压技术， 2021 ， 47 （ 9 ）： 3021 - 3035 .

DONG Xuzhu ， HUA Zhuhu ， SHANG Lei ， et al . Morphological characteristics and technology prospect of new distribution system ［J］. High Voltage Engineering ， 2021 ， 47 （ 9 ）： 3021 - 3035 .

宋新立，汤涌，刘文焯，等 . 电力系统全过程动态仿真的组合数值积分算法研究［J］. 中国电机工程学报， 2009 ， 29 （ 28 ）： 23 - 29 .

SONG Xinli ， TANG Yong ， LIU Wenzhuo ， et al . Mixed numerical integral algorithm for full dynamic simulation of the power system ［J］. Proceedings of the CSEE ， 2009 ， 29 （ 28 ）： 23 - 29 .

ANDERSON P M ， MIRHEYDAR M . A low-order system frequency response model ［J］. IEEE Transactions on Power Systems ， 1990 ， 5 （ 3 ）： 720 - 729 .

CHAN M L ， DUNLOP R D ， SCHWEPPE F . Dynamic equivalents for average system frequency behavior following major disturbances ［J］. IEEE Transactions on Power Apparatus and Systems ， 1972 ， PAS-91（ 4 ）： 1637 - 1642 .

SHEN J K ， LI W D ， LIU L ， et al . Frequency response model and its closed-form solution of two-machine equivalent power system ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 3 ）： 2162 - 2173 .

WANG W K ， YAO W X ， CHEN C ， et al . Fast and accurate frequency response estimation for large power system disturbances using second derivative of frequency data ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 3 ）： 2483 - 2486 .

王琦，李峰，汤奕，等 . 基于物理-数据融合模型的电网暂态频率特征在线预测方法［J］. 电力系统自动化， 2018 ， 42 （ 19 ）： 1 - 9 .

WANG Qi ， LI Feng ， TANG Yi ， et al . On-line prediction method of transient frequency characteristics for power grid based on physical-statistical model ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 19 ）： 1 - 9 .

文云峰，杨伟峰，林晓煌 . 低惯量电力系统频率稳定分析与控制研究综述及展望［J］. 电力自动化设备， 2020 ， 40 （ 9 ）： 211 - 222 .

WEN Yunfeng ， YANG Weifeng ， LIN Xiaohuang . Review and prospect of frequency stability analysis and control of low-inertia power systems ［J］. Electric Power Automation Equipment ， 2020 ， 40 （ 9 ）： 211 - 222 .

ALIMI O A ， OUAHADA K ， ABU-MAHFOUZ A M . A review of machine learning approaches to power system security and stability ［J］. IEEE Access ， 2020 ， 8 ： 113512 - 113531 .

孙黎霞，白景涛，周照宇，等 . 基于双向长短期记忆网络的电力系统暂态稳定评估［J］. 电力系统自动化， 2020 ， 44 （ 13 ）： 64 - 72 .

SUN Lixia ， BAI Jingtao ， ZHOU Zhaoyu ， et al . Transient stability assessment of power system based on bi-directional long-short-term memory network ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 13 ）： 64 - 72 .

吴俊勇，张若愚，季佳伸，等 . 计及漏判/误判代价的两阶段电力系统暂态稳定预测方法［J］. 电力系统自动化， 2020 ， 44 （ 24 ）： 44 - 52 .

WU Junyong ， ZHANG Ruoyu ， JI Jiashen ， et al . Two-stage transient stability prediction method of power system considering cost of misdetection and false alarm ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 24 ）： 44 - 52 .

AMROUNE M . Machine learning techniques applied to on-line voltage stability assessment： a review ［J］. Archives of Computational Methods in Engineering ， 2021 ， 28 （ 2 ）： 273 - 287 .

CHAPPA H ， THAKUR T . Voltage instability detection using synchrophasor measurements： a review ［J］. International Transactions on Electrical Energy Systems ， 2020 ， 30 （ 6 ）： e12343 .

张怡，张恒旭，李常刚，等 . 深度学习在电力系统频率分析与控制中的应用综述［J］. 中国电机工程学报， 2021 ， 41 （ 10 ）： 3392 - 3406 .

ZHANG Yi ， ZHANG Hengxu ， LI Changgang ， et al . Review on deep learning applications in power system frequency analysis and control ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 10 ）： 3392 - 3406 .

赵荣臻，文云峰，叶希，等 . 基于改进堆栈降噪自动编码器的预想事故频率指标评估方法研究［J］. 中国电机工程学报， 2019 ， 39 （ 14 ）： 4081 - 4093 .

ZHAO Rongzhen ， WEN Yunfeng ， YE Xi ， et al . Research on frequency indicators evaluation of disturbance events based on improved stacked denoising autoencoders ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 14 ）： 4081 - 4093 .

黄明增，文云峰，苟竞，等 . 计及频率偏移分布与惩罚代价的最大频率偏移预测方法［J］. 电力系统自动化， 2021 ， 45 （ 23 ）： 51 - 59 .

HUANG Mingzeng ， WEN Yunfeng ， GOU Jing ， et al . Maximum frequency deviation prediction method considering frequency deviation distribution and penalty cost ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 23 ）： 51 - 59 .

仉怡超，闻达，王晓茹，等 . 基于深度置信网络的电力系统扰动后频率曲线预测［J］. 中国电机工程学报， 2019 ， 39 （ 17 ）： 5095 - 5104 .

ZHANG Yichao ， WEN Da ， WANG Xiaoru ， et al . A method of frequency curve prediction based on deep belief network of post-disturbance power system ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 17 ）： 5095 - 5104 .

HE K M ， ZHANG X Y ， REN S Q ， et al . Deep residual learning for image recognition ［C］// 2016 IEEE Conference on Computer Vision and Pattern Recognition ， June 27-30 ， 2016 ， Las Vegas， USA ： 770 - 778 .

高昆仑，杨帅，刘思言，等 . 基于一维卷积神经网络的电力系统暂态稳定评估［J］. 电力系统自动化， 2019 ， 43 （ 12 ）： 18 - 26 .

GAO Kunlun ， YANG Shuai ， LIU Siyan ， et al . Transient stability assessment for power system based on one-dimensional convolutional neural network ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 12 ）： 18 - 26 .

KUNDUR P . Power system stability and control ［M］. Beijing ： China Electric Power Press ， 2001 .

黄明增，胡雅涵，文云峰，等 . 融合JMIM和NGBoost的电力系统暂态稳定评估方法［J］. 电力系统自动化， 2021 ， 45 （ 8 ）： 155 - 165 .

HUANG Mingzeng ， HU Yahan ， WEN Yunfeng ， et al . Assessment method of transient stability for power system based on joint mutual information maximization and natural gradient boosting ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 8 ）： 155 - 165 .

KUNDUR P ， PASERBA J ， AJJARAPU V ， et al . Definition and classification of power system stability IEEE/CIGRE joint task force on stability terms and definitions ［J］. IEEE Transactions on Power Systems ， 2004 ， 19 （ 3 ）： 1387 - 1401 .

电力系统安全稳定导则： GB/T 38755—2019 ［S］. 北京：中国标准出版社， 2019 .

Guidelines for power system security and stability ： GB/T 38755—2019 ［S］. Beijing ： Standards Press of China ， 2019 .

电能质量电力系统频率偏差： GB/T 15945—2008 ［S］. 北京：中国标准出版社， 2008 .

Power quality—frequency deviation for power system ： GB/T 15945—2008 ［S］. Beijing ： Standards Press of China ， 2008 .

邵美阳，吴俊勇，李宝琴，等 . 基于两阶段集成深度置信网络的电力系统暂态稳定评估［J］. 电网技术， 2020 ， 44 （ 5 ）： 1776 - 1787 .

SHAO Meiyang ， WU Junyong ， LI Baoqin ， et al . Transient stability assessment of power system based on two-stage ensemble deep belief network ［J］. Power System Technology ， 2020 ， 44 （ 5 ）： 1776 - 1787 .

LANGERMAN D ， JOHNSON A ， BUETTNER K ， et al . Beyond floating-point OPs： CNN performance prediction with critical datapath length ［C］// IEEE High Performance Extreme Computing Conference ， September 21-25 ， 2020 ， Waltham， USA .

JIANG J ， HAN F ， LING Q H ， et al . Efficient network architecture search via multi-objective particle swarm optimization based on decomposition ［J］. Neural Networks ， 2020 ， 123 ： 305 - 316 .

IEEE standard for synchrophasor measurements for power systems-amendment 1： modification of selected performance requirements： IEEE std C37.118.1a—2014 ［S］. New York， USA ： IEEE ， 2014 .

徐艳春，刘晓明，李振华，等 . PMU准实时数据对主动配电网抗差估计的影响［J］. 电力自动化设备， 2020 ， 40 （ 10 ）： 15 - 22 .

XU Yanchun ， LIU Xiaoming ， LI Zhenhua ， et al . Influence of PMU quasi-real-time data on robust estimation of active distribution network ［J］. Electric Power Automation Equipment ， 2020 ， 40 （ 10 ）： 15 - 22 .

张衍忠 . 同步相量测量装置的研究及应用［D］. 北京：华北电力大学， 2009 .

ZHANG Yanzhong . The study and application of synchronized phasor unit measurement system ［D］. Beijing ： North China Electric Power University ， 2009 .

Illinois 200 -bus system： ACTIVSg200［DB/OL］ . ［2021-10-05］ . https：//electricgrids.engr.tamu.edu/electric-grid-test-cases/activsg200/ https://electricgrids.engr.tamu.edu/electric-grid-test-cases/activsg200/ .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Impact of Runoff Generation and Concentration Process in Watershed Reservoirs on Carbon Emissions of Power Generation Under Natural Disasters

Market Mechanisms and Implementation Methods for Distributed Sources and Loads Participating in Ancillary Services

Preliminary Study on Simulation Tool for New Power System

Related Author

ZHANG Jianmin

XU Yilong

XUE Yusheng

WANG Yukuan

XUE Feng

CHANG Kang

WANG Yunchu

ZHANG Si

Related Institution

School of Automation, Hangzhou Dianzi University

State Grid Electric Power Research Institute (NARI Group Corporation)

College of Electrical Engineering, Zhejiang University

State Grid Zhejiang Electric Power Co., Ltd.

Electric Power Research Institute of State Grid Xinjiang Electric Power Co., Ltd.

⁰