Frequency Safety Assessment of Power Systems Based on Multivariable-sample Convolution and Interaction Network

LIU Jie; SHI Fang; SONG Xuemeng; TIAN Shuoshuo; NIE Liqiang

doi:10.7500/AEPS20231101004

您当前的位置：

首页 >

文章列表页 >

Frequency Safety Assessment of Power Systems Based on Multivariable-sample Convolution and Interaction Network

Basic Research | 更新时间：2025-06-16

- Frequency Safety Assessment of Power Systems Based on Multivariable-sample Convolution and Interaction Network
- Automation of Electric Power Systems Vol. 48, Issue 22, Pages: 160-170(2024)
- 作者机构：
  
  1.电动汽车电网接入技术国家地方联合工程实验室（山东大学），山东省济南市 250061
  2.山东大学计算机科学与技术学院，山东省青岛市 266200
  3.山东大学电气工程学院，山东省济南市 250061
- 作者简介：
- 基金信息：
  
  National Key R&D Program of China(2021YFB2400800)
- DOI：10.7500/AEPS20231101004
  CLC：
- Received：01 November 2023，
  
  Revised：2024-02-29，
  
  Published Online：27 September 2024，
  
  Published：25 November 2024
- 稿件说明：
移动端阅览
刘杰,石访,宋雪萌等.基于多变量样本卷积交互网络的电力系统频率安全性评估[J].电力系统自动化,2024,48(22):160-170.

LIU Jie,SHI Fang,SONG Xuemeng,et al.Frequency Safety Assessment of Power Systems Based on Multivariable-sample Convolution and Interaction Network[J].Automation of Electric Power Systems,2024,48(22):160-170.
刘杰,石访,宋雪萌等.基于多变量样本卷积交互网络的电力系统频率安全性评估[J].电力系统自动化,2024,48(22):160-170. DOI： 10.7500/AEPS20231101004.

LIU Jie,SHI Fang,SONG Xuemeng,et al.Frequency Safety Assessment of Power Systems Based on Multivariable-sample Convolution and Interaction Network[J].Automation of Electric Power Systems,2024,48(22):160-170. DOI： 10.7500/AEPS20231101004.

摘要

现有电力系统暂态频率智能评估方法未充分考虑输入数据的时序特征。因此，文中提出一种基于暂态频率响应曲线智能预测的电力系统频率安全性评估方法。设计了一种多变量样本卷积交互网络，可充分挖掘电力系统量测数据的时序特征，从而提高电力系统暂态频率响应曲线的预测精度；基于所预测的频率响应曲线计算最大频率偏差、最大频率偏差发生时间和准稳态频率等关键指标，并综合评估系统的频率安全性。在频率稳定标准算例上进行仿真测试，结果表明

所提方法与深度学习等经典方法相比，频率响应曲线预测和系统频率安全性评估精度均得到有效提升。

Abstract

The existing intelligent transient frequency assessment methods in power systems do not adequately consider the temporal characteristics of input data. Therefore

a frequency safety assessment method for power systems based on intelligent prediction of transient frequency response curves is proposed. A multivariate-sample convolutional interactive network is designed to fully exploit the temporal characteristics of power system measurement data

thereby improving the prediction accuracy of transient frequency response curves of the power system. Key indicators

such as the maximum frequency deviation

occurrence time of the maximum frequency deviation

and the metastability frequency are calculated based on the predicted frequency response curves

and the frequency safety of the system is comprehensively assessed. Simulation tests are conducted on frequency stability standard cases

and the results show that the proposed method effectively improves the accuracies of frequency response curve prediction and system frequency safety assessment compared with classical methods such as deep learning.

关键词

Keywords

references

习近平 . 在第七十五届联合国大会一般性辩论上的讲话［J］. 中华人民共和国国务院公报， 2020 （ 28 ）： 5 - 7 .

XI Jinping ． Statement at the general debate of the 75th Session of the United Nations General Assembly ［J］. Gazette of the State Council of the People’s Republic of China ， 2020 （ 28 ）： 5 - 7 ．

卢锦玲，郭鲁豫 . 基于改进深度残差收缩网络的电力系统暂态稳定评估［J］. 电工技术学报， 2021 ， 36 （ 11 ）： 2233 - 2244 .

LU Jinling ， GUO Luyu . Power system transient stability assessment based on improved deep residual shrinkage network ［J］. Transactions of China Electrotechnical Society ， 2021 ， 36 （ 11 ）： 2233 - 2244 .

滕贤亮，谈超，昌力，等 . 高比例新能源电力系统有功功率与频率控制研究综述及展望［J］. 电力系统自动化， 2023 ， 47 （ 15 ）： 12 - 35 .

TENG Xianliang ， TAN Chao ， CHANG Li ， et al . Review and prospect of research on active power and frequency control in power system with high proportion of renewable energy ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 15 ）： 12 - 35 .

徐三敏，张云飞，赵添辰，等 . “双碳”目标下新型电力系统发展综述［J］. 水电与抽水蓄能， 2022 ， 8 （ 6 ）： 21 - 25 .

XU Sanmin ， ZHANG Yunfei ， ZHAO Tianchen ， et al . Overview of new-type power system development under the background of carbon peaking and carbon neutrality ［J］. Hydropower and Pumped Storage ， 2022 ， 8 （ 6 ）： 21 - 25 .

HEYLEN E ， TENG F ， STRBAC G . Challenges and opportunities of inertia estimation and forecasting in low-inertia power systems ［J］. Renewable and Sustainable Energy Reviews ， 2021 ， 147 ： 111176 .

刘方蕾，胥国毅，刘家豪，等 . 考虑电网结构和参数的电力系统惯量分布特性［J］. 电力系统自动化， 2021 ， 45 （ 23 ）： 60 - 67 .

LIU Fanglei ， XU Guoyi ， LIU Jiahao ， et al . Inertia distribution characteristics of power system considering structure and parameters of power grid ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 23 ）： 60 - 67 .

陈宗遥，卜旭辉，郭金丽 . 基于神经网络的数据驱动互联电力系统负荷频率控制［J］. 电工技术学报， 2022 ， 37 （ 21 ）： 5451 - 5461 .

CHEN Zongyao ， BU Xuhui ， GUO Jinli . Neural network based data-driven load frequency control for interconnected power systems ［J］. Transactions of China Electrotechnical Society ， 2022 ， 37 （ 21 ）： 5451 - 5461 .

柯德平，冯帅帅，刘福锁，等 . 新能源发电调控参与的送端电网直流闭锁紧急频率控制策略快速优化［J］. 电工技术学报， 2022 ， 37 （ 5 ）： 1204 - 1218 .

KE Deping ， FENG Shuaishuai ， LIU Fusuo ， et al . Rapid optimization for emergent frequency control strategy with the power regulation of renewable energy during the loss of DC connection ［J］. Transactions of China Electrotechnical Society ， 2022 ， 37 （ 5 ）： 1204 - 1218 .

赵冬梅，郑亚锐，谢家康，等 . 基于轻量级梯度提升机和生成对抗网络的含风电电力系统频率稳定评估［J］. 电网技术， 2022 ， 46 （ 8 ）： 3181 - 3190 .

ZHAO Dongmei ， ZHENG Yarui ， XIE Jiakang ， et al . Frequency stability evaluation of power system containing wind power based on light gradient boosting machine and generative adversarial network ［J］. Power System Technology ， 2022 ， 46 （ 8 ）： 3181 - 3190 .

OPERATOR A E M . Black system South Australia 28 September 2016： final report ［R/OL］. ［ 2023-10-07 ］. http：//apo.org.au/node/748862017 http://apo.org.au/node/748862017 .

ESO N G . Technical report on the events of 9 August 2019 ［R］. 2019 .

SOBAJIC D J ， PAO Y H . Artificial neural-net based dynamic security assessment for electric power systems ［J］. IEEE Transactions on Power Systems ， 1989 ， 4 （ 1 ）： 220 - 228 .

刘灏，商峻，毕天姝，等 . 基于实测数据的电网频率信号特征分析与提取方法［J］. 电力系统自动化， 2023 ， 47 （ 10 ）： 135 - 144 .

LIU Hao ， SHANG Jun ， BI Tianshu ， et al . Feature analysis and extraction method of power grid frequency signal based on measured data ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 10 ）： 135 - 144 .

ADHIKARI U ， MORRIS T ， PAN S Y . WAMS cyber-physical test bed for power system， cybersecurity study， and data mining ［J］. IEEE Transactions on Smart Grid ， 2017 ， 8 （ 6 ）： 2744 - 2753 .

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 .

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 networkof post-disturbance power system ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 17 ）： 5095 - 5104 .

李华瑞，李文博，李铮，等 . 基于生成对抗网络与度量学习的数据驱动频率安全评估［J］. 电力系统保护与控制， 2024 ， 52 （ 18 ）： 101 - 111 .

LI Huarui ， LI Wenbo ， LI Zheng ， et al . Data-driven frequency security assessment based on generative adversarial networks and metric learning ［J］. Power System Protection and Control ， 2024 ， 52 （ 18 ）： 101 - 111 .

李冠争，李斌，王帅，等 . 基于特征选择和随机森林的电力系统受扰后动态频率预测［J］. 电网技术， 2021 ， 45 （ 7 ）： 2492 - 2502 .

LI Guanzheng ， LI Bin ， WANG Shuai ， et al . Dynamic frequency prediction of power system post-disturbance based on feature selection and random forest ［J］. Power System Technology ， 2021 ， 45 （ 7 ）： 2492 - 2502 .

LIU M ， ZENG A ， CHEN M ， et al . SCINet： time series modeling and forecasting with sample convolution and interaction ［J］. Advances in Neural Information Processing Systems ， 2022 ， 35 ： 5816 - 5828 .

BOX G E P ， JENKINS G M . Some recent advances in forecasting and control ［J］. Journal of the Royal Statistical Society Series C： Applied Statistics ， 1968 ， 17 （ 2 ）： 91 - 109 .

THEODOSIOU M . Forecasting monthly and quarterly time series using STL decomposition ［J］. International Journal of Forecasting ， 2011 ， 27 （ 4 ）： 1178 - 1195 .

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 （CVPR）， June 27-30 ， 2016 ， Las Vegas， USA ： 770 - 778 .

刘克天，张钧，李军，等 . 基于频率偏移面积的功率缺额计算及低频减载整定［J］. 电工技术学报， 2021 ， 36 （ 5 ）： 1040 - 1051 .

LIU Ketian ， ZHANG Jun ， LI Jun ， et al . Power deficit calculation and under frequency load shedding strategy based on the frequency deviation area ［J］. Transactions of China Electrotechnical Society ， 2021 ， 36 （ 5 ）： 1040 - 1051 .

薄其滨，王晓茹，刘克天 . 基于v-SVR的电力系统扰动后最低频率预测［J］. 电力自动化设备， 2015 ， 35 （ 7 ）： 83 - 88 .

BO Qibin ， WANG Xiaoru ， LIU Ketian . Minimum frequency prediction based on v-SVR for post-disturbance power system ［J］. Electric Power Automation Equipment ， 2015 ， 35 （ 7 ）： 83 - 88 .

候智圆 . 电力系统频率动态行为特征分析［D］. 济南：山东大学， 2012 .

HOU Zhiyuan . Analysis of frequency dynamic behavior characteristics of power system ［D］. Jinan ： Shandong University ， 2012 .

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 .

吴萍，赵兵，程奕，等 . 新型电力系统标准算例（ 2 ）：频率稳定CSEE-FS［J/OL］. 中国电机工程学报： 1 - 12 ［ 2024-01-03 ］. http：//kns.cnki.net/kcms/detail/11.2107.TM.20230901.2141.004.html http://kns.cnki.net/kcms/detail/11.2107.TM.20230901.2141.004.html .

WU Ping ， ZHAO Bing ， CHENG Yi ， et al . Standard calculation example of new power system （ 2 ）： frequency stability CSEE-FS［J/OL］. Proceedings of the CSEE ： 1 - 12 ［ 2024-01-03 ］. http：//kns.cnki.net/kcms/detail/11.2107.TM.20230901.2141.004.html http://kns.cnki.net/kcms/detail/11.2107.TM.20230901.2141.004.html .

张武其，文云峰，迟方德，等．电力系统惯量评估研究框架与展望［J］. 中国电机工程学报， 2021 ， 41 （ 20 ）： 6842 - 6855 ．

ZHANG Wuqi ， WEN Yunfeng ， CHI Fangde ， et al . Research framework and prospect on power system inertia estimation ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 20 ）： 6842 - 6855 ．

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Probabilistic Prediction Method for Interpretable Net Load Based on Kolmogorov-Arnold Network

Log Abnormity Detection for Distribution Master Station Based on Large Language Models

Fault Location for Active Distribution Network with High Penetration Rate Based on Improved Spatio-Temporal Graph Neural Network

Transient Stability Assessment of Power Systems Based on Multi-scale Graph Attention Network

Related Author

LIU Dong

GUO Guodong

XIN Shujun

MAO Zhihang

HUANG Jinju

SUN Yingyun

WANG Shen

WEI Xingshen

Related Institution

State Grid Economic and Technological Research Institute Co., Ltd.

State Grid Corporation of China

State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University)

School of Control and Computer Engineering, North China Electric Power University

Nanjing NARI Information and Communication Technology Co., Ltd.

⁰