Dynamic Security Partitioning Assessment and Model Updating of Power System Based on Electrical Coordinates

QI Hang; LI Changgang; LIU Yutian; YAN Jiongcheng

doi:10.7500/AEPS20241113003

您当前的位置：

首页 >

文章列表页 >

Dynamic Security Partitioning Assessment and Model Updating of Power System Based on Electrical Coordinates

Basic Research | 更新时间：2025-09-25

- Dynamic Security Partitioning Assessment and Model Updating of Power System Based on Electrical Coordinates
- Automation of Electric Power Systems Vol. 49, Issue 17, Pages: 101-111(2025)
- 作者机构：
  
  电网智能化调度与控制教育部重点实验室（山东大学），山东省济南市 250061
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(52177096)
- DOI：10.7500/AEPS20241113003
  CLC：
- Received：13 November 2024，
  
  Revised：2025-02-06，
  
  Published Online：24 June 2025，
  
  Published：10 September 2025
- 稿件说明：
移动端阅览
齐航,李常刚,刘玉田等.基于电气坐标的电力系统动态安全分区评估及模型更新[J].电力系统自动化,2025,49(17):101-111.

QI Hang,LI Changgang,LIU Yutian,et al.Dynamic Security Partitioning Assessment and Model Updating of Power System Based on Electrical Coordinates[J].Automation of Electric Power Systems,2025,49(17):101-111.
齐航,李常刚,刘玉田等.基于电气坐标的电力系统动态安全分区评估及模型更新[J].电力系统自动化,2025,49(17):101-111. DOI： 10.7500/AEPS20241113003.

QI Hang,LI Changgang,LIU Yutian,et al.Dynamic Security Partitioning Assessment and Model Updating of Power System Based on Electrical Coordinates[J].Automation of Electric Power Systems,2025,49(17):101-111. DOI： 10.7500/AEPS20241113003.

摘要

考虑运行方式和故障位置的电力系统动态安全评估(DSA)需要海量训练样本，且评估模型结构复杂，存在训练成本高昂和在线更新困难等问题。为解决上述问题，提出一种电力系统动态安全分区评估及模型增量更新方法，降低评估模型复杂度，实现无灾难性遗忘的模型在线增量更新。首先，构建电气坐标作为节点位置特征，引入切比雪夫距离度量节点位置特征间差异，并基于空间约束均值偏移（SCMS）聚类算法进行电网自适应分区。然后，提取运行方式和故障位置特征，将切比雪夫距离嵌入双隐层径向基神经网络（RBFNN），针对不同区域故障位置分别构建分区评估模型。最后，提出模型在线增量更新方法，避免模型更新过程中的灾难性遗忘问题。以中国某省级电网暂态功角稳定评估为应用场景，验证了所提方法的有效性。

Abstract

The dynamic security assessment (DSA) of power systems considering the operation mode and fault location requires a large number of training samples

and the structure of assessment model is complex

which has the problems of high training costs and difficulty in online updates. To solve these problems

a method for dynamic security partitioning assessment and model increment updating of power system is proposed

which reduces the complexity of the assessment model and enables online model increment updating without catastrophic forgetting. Firstly

electrical coordinates are constructed as node position features

and the Chebyshev distance is introduced to measure the difference between node position features

and the adaptive partitioning of the power grid is carried out based on the space constrained mean shift (SCMS) clustering algorithm. Secondly

the operation modes and fault location features are extracted

and the Chebyshev distance is embedded in the double-hidden-layer radial basis function neural network (RBFNN). Partitioning assessment models for various fault locations in various regions are constructed. Finally

an online model increment updating method is proposed to avoid the problem of catastrophic forgetting during the model updating process. The effectiveness of the proposed method is verified using a transient power angle stability assessment of a provincial power grid in China as an application scenario.

关键词

Keywords

references

HATZIARGYRIOU N ， MILANOVIC J ， RAHMANN C ， et al . Definition and classification of power system stability-revisited & extended ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 4 ）： 3271 - 3281 .

陆旭，张理寅，李更丰，等 . 基于内嵌物理知识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， 2024 ， 48 （ 9 ）： 107 - 119 .

LU Xu ， ZHANG Liyin ， LI Gengfeng ， et al . Transient stability assessment of power system based on physics informed convolution neural network ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 9 ）： 107 - 119 .

李鹏，余涛，李立浧，等 . 电力人工智能的演变与展望——从专业智能走向通用智能［J］. 电力系统自动化， 2024 ， 48 （ 16 ）： 1 - 17 .

LI Peng ， YU Tao ， LI Licheng ， et al . Retrospect and prospect of artificial intelligence for electric power system——from domain intelligence to general intelligence ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 16 ）： 1 - 17 .

汤涌，姚伟，王宏志，等 . 电网仿真分析与决策的人工智能方法［J］. 中国电机工程学报， 2022 ， 42 （ 15 ）： 5384 - 5406 .

TANG Yong ， YAO Wei ， WANG Hongzhi ， et al . Artificial intelligence techniques for power grid simulation analysis and decision making ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 15 ）： 5384 - 5406 .

虞景行，黄济宇，张勇军，等 . 基于稳态特征量输入的大电网主导失稳机组辨识［J］. 电力系统自动化， 2024 ， 48 （ 13 ）： 69 - 78 .

YU Jingxing ， HUANG Jiyu ， ZHANG Yongjun ， et al . Identification of leading instable generators for large-scale power grid based on steady-state characteristic inputs ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 13 ）： 69 - 78 .

田芳，周孝信，史东宇，等 . 基于卷积神经网络综合模型和稳态特征量的电力系统暂态稳定评估［J］. 中国电机工程学报， 2019 ， 39 （ 14 ）： 4025 - 4032 .

TIAN Fang ， ZHOU Xiaoxin ， SHI Dongyu ， et al . Power system transient stability assessment based on comprehensive convolutional neural network model and steady-state features ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 14 ）： 4025 - 4032 .

杨博，陈义军，姚伟，等 . 基于新一代人工智能技术的电力系统稳定评估与决策综述［J］. 电力系统自动化， 2022 ， 46 （ 22 ）： 200 - 223 .

YANG Bo ， CHEN Yijun ， YAO Wei ， et al . Review on stability assessment and decision for power systems based on new-generation artificial intelligence technology ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 22 ）： 200 - 223 .

MOULIN L S ， DASILVA A P A ， EL-SHARKAWI M A ， et al . Support vector machines for transient stability analysis of large-scale power systems ［J］. IEEE Transactions on Power Systems ， 2004 ， 19 （ 2 ）： 818 - 825 .

闫炯程，李常刚，刘玉田 . 基于SDAE特征提取的含风电电网可用输电能力计算［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 32 - 39 .

YAN Jiongcheng ， LI Changgang ， LIU Yutian . Available transfer capability calculation in power system with wind power based on SDAE feature extraction ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 32 - 39 .

杨维全，朱元振，刘玉田 . 基于卷积神经网络的暂态电压稳定快速评估［J］. 电力系统自动化， 2019 ， 43 （ 22 ）： 46 - 51 .

YANG Weiquan ， ZHU Yuanzhen ， LIU Yutian . Fast assessment of transient voltage stability based on convolutional neural network ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 22 ）： 46 - 51 .

MOHAMMADI H ， KHADEMI G ， DEHGHANI M ， et al . Voltage stability assessment using multi-objective biogeography-based subset selection ［J］. International Journal of Electrical Power & Energy Systems ， 2018 ， 103 ： 525 - 536 .

王铮澄，周艳真，郭庆来，等 . 考虑电力系统拓扑变化的消息传递图神经网络暂态稳定评估［J］. 中国电机工程学报， 2021 ， 41 （ 7 ）： 2341 - 2350 .

WANG Zhengcheng ， ZHOU Yanzhen ， GUO Qinglai ， et al . Transient stability assessment of power system considering topological change： a message passing neural network-based approach ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 7 ）： 2341 - 2350 .

ZHANG T Q ， SUN M Y ， CREMER J L ， et al . A confidence-aware machine learning framework for dynamic security assessment ［J］. IEEE Transactions on Power Systems ， 36 （ 5 ）： 3907 - 3920 .

REN J Y ， CHEN J F ， SHI D Y ， et al . Online multi-fault power system dynamic security assessment driven by hybrid information of anticipated faults and pre-fault power flow ［J］. International Journal of Electrical Power & Energy Systems ， 2022 ， 136 ： 107651 .

CARTUYVELS R ， SPINKS G ， MOENS M F . Discrete and continuous representations and processing in deep learning： Looking forward ［J］. AI Open ， 2021 ， 2 ： 143 - 159 .

李常刚，齐航，刘玉田，等 . 基于电气距离的故障位置表征及其在暂态稳定评估中的应用［J］. 电力系统自动化， 2021 ， 45 （ 16 ）： 169 - 177 .

LI Changgang ， QI Hang ， LIU Yutian ， et al . Representation of fault location based on electrical distance and its application in transient stability assessment ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 16 ）： 169 - 177 .

齐航，任喆，李常刚，等 . 故障位置特征表达的盲区识别与电气坐标系扩展［J］. 电力系统自动化， 2022 ， 46 （ 7 ）： 77 - 84 .

QI Hang ， REN Zhe ， LI Changgang ， et al . Identification of blind areas for fault location feature representation and expansion of electrical coordinate system ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 7 ）： 77 - 84 .

赵恺，石立宝 . 基于改进一维卷积神经网络的电力系统暂态稳定评估［J］. 电网技术， 2021 ， 45 （ 8 ）： 2945 - 2957 .

ZHAO Kai ， SHI Libao . Transient stability assessment of power system based on improved one-dimensional convolutional neural network ［J］. Power System Technology ， 2021 ， 45 （ 8 ）： 2945 - 2957 .

HAGMAR H ， TONG L ， ERIKSSON R ， et al . Voltage instability prediction using a deep recurrent neural network ［J］. IEEE Transactions on Power Systems ， 36 （ 1 ）： 17 - 27 .

周志华 . 机器学习［M］. 北京：清华大学出版社， 2016 ： 199 - 200 .

ZHOU Zhihua . Machine learning ［M］. Beijing ： Tsinghua University Press ， 2016 ： 199 - 200 .

李航 . 统计学习方法［M］. 北京：清华大学出版社， 2012 ： 14 - 15 .

LI Hang . Statistical learning method ［M］. Beijing ： Tsinghua University Press ， 2012 ： 14 - 15 .

赵晶晶，贾然，陈凌汉，等 . 基于深度学习和改进 <math id="M127"><mi>K</mi></math> https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=88864680&type= 2.11666679 https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=88864696&type= 2.37066650 -means聚类算法的电网无功电压快速分区研究［J］. 电力系统保护与控制， 2021 ， 49 （ 14 ）： 89 - 95 .

ZHAO Jingjing ， JIA Ran ， CHEN Linghan ， et al . Research on fast partition of reactive power and voltage based on deep learning and an improved <math id="M128"><mi>K</mi></math> https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=88864680&type= 2.11666679 https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=88864696&type= 2.37066650 -means clustering algorithm ［J］. Power System Protection and Control ， 2021 ， 49 （ 14 ）： 89 - 95 .

谭玉东，李欣然，蔡晔，等 . 基于电气距离的复杂电网关键节点识别［J］. 中国电机工程学报， 2014 ， 34 （ 1 ）： 146 - 152 .

TAN Yudong ， LI Xinran ， CAI Ye ， et al . Critical node identification for complex power grid based on electrical distance ［J］. Proceedings of the CSEE ， 2014 ， 34 （ 1 ）： 146 - 152 .

MAO X M ， ZHU W F ， WU L ， et al . Comparative study on methods for computing electrical distance ［J］. International Journal of Electrical Power & Energy Systems ， 2021 ， 130 ： 106923 .

于琳，孙莹，徐然，等 . 改进粒子群优化算法及其在电网无功分区中的应用［J］. 电力系统自动化， 2017 ， 41 （ 3 ）： 89 - 95 .

YU Lin ， SUN Ying ， XU Ran ， et al . Improved particle swarm optimization algorithm and its application in reactive power partitioning of power grid ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 3 ）： 89 - 95 .

YAMASAKI R ， TANAKA T . Properties of mean shift ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2020 ， 42 （ 9 ）： 2273 - 2286 .

齐航，任喆，李常刚，等 . 动态安全智能评估中故障位置特征表达的电气坐标距离保持［J］. 中国电机工程学报， 2024 ， 44 （ 12 ）： 4615 - 4626 .

QI Hang ， REN Zhe ， LI Changgang ， et al . Maintenance of electrical coordinate distance in fault location feature expression in dynamic safety intelligent assessment ［J］. Proceedings of the CSEE ， 2024 ， 44 （ 12 ）： 4615 - 4626 .

周子涵，卜广全，王国政，等 . 基于数据空间可靠域的多智能体互补电力系统暂态稳定评估［J］. 中国电机工程学报， 2022 ， 42 （ 15 ）： 5471 - 5483 .

ZHOU Zihan ， BU Guangquan ， WANG Guozheng ， et al . Multi-agent complementary power system transient stability assessment based on data space reliability domain ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 15 ）： 5471 - 5483 .

YAN J C ， LI C G ， LIU Y T . Insecurity early warning for large scale hybrid AC/DC grids based on decision tree and semi-supervised deep learning ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 6 ）： 5020 - 5031 .

张晨宇，王慧芳，叶晓君 . 基于XGBoost算法的电力系统暂态稳定评估［J］. 电力自动化设备， 2019 ， 39 （ 3 ）： 77 - 83 .

ZHANG Chenyu ， WANG Huifang ， YE Xiaojun . Transient stability assessment of power system based on XGBoost algorithm ［J］. Electric Power Automation Equipment ， 2019 ， 39 （ 3 ）： 77 - 83 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Transient Model and Real-time Simulation Method for Power Electronic Switches Based on Connectionist Neural Networks

基于单机模型扩展的直驱风电场通用等值模型构建方法

Short-term Interval Probability Prediction of Photovoltaic Power Based on Weather Similarity Clustering and Quantile Regression Neural Network

Self-adaptive Control Method for Electric Heating Equipment Based on Shared Media Contention Access Mechanism

Related Author

WENG Haowen

WANG Can

PAN Xuewei

LI Dongsheng

CAO Qianni

LAI Qiping

SHEN Chen

ZHAO Yao

Related Institution

School of Robotics and Advanced Manufacturing, Harbin Institute of Technology

School of Electrical Engineering, Shanghai University of Electric Power

State Grid Beijing Electric Power Company

State Grid Liaoning Electric Power Co., Ltd.

⁰