基于深度学习的含统一潮流控制器的电力系统快速安全校正

孙国强; 张恪; 卫志农; 李群; 刘建坤; 赵静波; 张宁宇

doi:10.7500/AEPS20200313001

您当前的位置：

首页 >

文章列表页 >

基于深度学习的含统一潮流控制器的电力系统快速安全校正

研制与开发 | 更新时间：2025-06-16

- 基于深度学习的含统一潮流控制器的电力系统快速安全校正
- Deep Learning Based Fast Security Correction of Power System with Unified Power Flow Controller
- 电力系统自动化-方正平台 2020年44卷第19期页码：119-127
- 作者机构：
  
  1.河海大学能源与电气学院，江苏省南京市211100
  2.国网江苏省电力有限公司电力科学研究院，江苏省南京市211103
- 作者简介：
  
  孙国强(1978—)，男，博士，副教授，硕士生导师，主要研究方向:电力系统运行分析等。E-mail：hhusunguoqiang@163.com
  张恪(1995—)，男，通信作者，硕士研究生，主要研究方向：电力系统优化运行。E-mail：hhzk30@163.com
  卫志农(1962—)，男，博士，教授，主要研究方向：电力系统运行分析与控制、输配电系统自动化。E-mail：wzn_nj@263.net
- 基金信息：
- DOI：10.7500/AEPS20200313001
  中图分类号：
- 收稿日期：2020-03-13，
  
  修回日期：2020-06-20，
  
  网络出版日期：2020-08-11，
  
  纸质出版日期：2020-10-10
- 稿件说明：
移动端阅览
孙国强,张恪,卫志农等.基于深度学习的含统一潮流控制器的电力系统快速安全校正[J].电力系统自动化,2020,44(19):119-127.

SUN Guoqiang,ZHANG Ke,WEI Zhinong,et al.Deep Learning Based Fast Security Correction of Power System with Unified Power Flow Controller[J].Automation of Electric Power Systems,2020,44(19):119-127.
孙国强,张恪,卫志农等.基于深度学习的含统一潮流控制器的电力系统快速安全校正[J].电力系统自动化,2020,44(19):119-127. DOI： 10.7500/AEPS20200313001.

SUN Guoqiang,ZHANG Ke,WEI Zhinong,et al.Deep Learning Based Fast Security Correction of Power System with Unified Power Flow Controller[J].Automation of Electric Power Systems,2020,44(19):119-127. DOI： 10.7500/AEPS20200313001.

摘要

随着新一代柔性交流输电装置如统一潮流控制器（UPFC）在现代电力系统中的逐步推广和应用，对电网安全校正策略的制定提出了更高的要求。基于物理模型的传统电网安全校正方法在实时性方面具有一定的局限性，而数据驱动方法将大量的复杂计算前移到离线阶段，具有快速在线计算性能。因此，针对含UPFC的电力系统提出了一种基于深度学习的快速安全校正方法。首先，基于深度学习建立了节点调整状态识别模型，利用深度神经网络（DNN）的分类和学习能力，优先确定存在调整可能性的节点范围，避免物理模型优化类方法迭代无解问题。然后，针对缩减后的寻优空间进一步采用优化法实现系统安全校正计算，快速确定系统各节点调整量。基于中国南京西环网UPFC示范工程的应用效果表明，所提快速安全校正策略能够发挥DNN的学习能力，进而提高系统安全校正的效率和实用性。

Abstract

With the gradual popularization and application of new generation of flexible AC transmission devices such as unified power flow controller (UPFC) in modern power system

higher requirements are requested for the formulation of power grid security correction strategy. The traditional power grid security correction method based on physical model has some limitations in the real-time field. The data-driven method moves a large number of complex calculations forward to the offline stage

so it has fast online computing performance. Therefore

a fast security correction method based on deep learning is proposed for power system with UPFC. Firstly

based on deep learning

a recognition model of node adjustment state is established. The ability of classification and learning of deep neural network(DNN) is used. It gives priority to determining the nodes with adjustment possibility

which avoids the iterative non-solution problem of physical model optimization methods. Then

aiming at the reduced optimization space

the optimization method is further used to realize the system security correction calculation

and the adjustment amount of each node in the system is quickly determined. Based on the application results of the UPFC demonstration project of west ring network in Nanjing

China

the proposed fast security correction strategy can facilitate the learning ability of DNN and improve the efficiency and practicability of the system security correction.

关键词

Keywords

references

刘前进 , 孙元章 , 黎雄 , 等 . UPFC潮流控制与优化的研究 [J]. 电力系统自动化 , 2000 , 24 ( 18 ): 23 - 26 .

LIU Qianjin ， SUN Yuanzhang ， LI Xiong ， et al . Research on UPFC power flow control and optimization [J]. Automation of Electric Power Systems , 2000 , 24 ( 18 )： 23 - 26 ．

国网江苏省电力有限公司 . 统一潮流控制器工程实践—南京西环网统一潮流控制器示范工程 [M]. 北京：中国电力出版社 , 2015 ： 15 - 20 ．

State Grid Jiangsu Electric Power Co.， Ltd . Unified power flow controller engineering practice [M]. Beijing ： China Electric Power Press , 2015 : 15 - 20 ．

朱鹏程，刘黎明，刘小元，等 . 统一潮流控制器的分析与控制策略 [J]. 电力系统自动化， 2006 , 30 ( 1 )： 45 - 51 ．

ZHU Pengcheng ， LIU Liming ， LIU Xiaoyuan ， et al . Analysis and control strategy of UPFC [J]. Automation of Electric Power Systems ， 2006 , 30 ( 1 )： 45 - 51 ．

谢桦，梅生伟，徐政，等 . 统一潮流控制器的非线性控制和对电力系统稳定性的改善 [J]. 电力系统自动化， 2001 , 25 ( 19 ): 1 - 5 ．

XIE Hua ， MEI Shengwei ， XU Zheng ， et al . Nonlinear control of UPFC and improvement of power system stability [J]. Automation of Electric Power Systems ， 2001 , 25 ( 19 )： 1 - 5 ．

朱鹏程 . 用于UPFC的串、并联双变流器控制策略研究 [D]. 武汉：华中科技大学， 2005 ．

ZHU Pengcheng . Research on control strategy of series and parallel dual converters for UPFC [D]. Wuhan : Huazhong University of Science and Technology , 2005 ．

邓佑满 , 黎辉 , 张伯明 , 等 . 电力系统有功安全校正策略的反向等量配对调整法 [J]. 电力系统自动化， 1999 ， 23 ( 18 )： 5 - 8 ．

DENG Youman , LI Hui ， ZHANG Boming ， et al . Reverse equal pair adjustment of active power security correction strategy in power system [J]. Automation of Electric Power Systems ， 1999 ， 23 ( 18 )： 5 - 8 ．

续昕，张恒旭，李常刚，等 . 基于轨迹灵敏度的紧急切负荷优化算法 [J]. 电力系统自动化， 2016 ， 40 ( 18 )： 143 - 148 ．

XU Xin ， ZHANG Hengxu ， LI Changgang ， et al . Optimization algorithm of emergency load shedding based on trajectory sensitivity [J]. Automation of Electric Power Systems ， 2016 ， 40 ( 18 )： 143 - 148 ．

王艳松，卢志强，李强，等 . 基于源-荷协同的电网静态安全校正最优控制算法 [J]. 电力系统保护与控制， 2019 ， 47 ( 20 )： 73 - 80 ．

WANG Yansong ， LU Zhiqiang ， LI Qiang ， et al . Optimal control algorithm for static security correction of power grid based on source load coordination [J]. Power System Protection and Control ， 2019 ， 47 ( 20 )： 73 - 80 ．

顾雪平，张尚，王涛，等 . 安全域视角下的有功安全校正优化控制方法 [J]. 电力系统自动化， 2017 ， 41 ( 18 )： 17 - 24 ．

GU Xueping ， ZHANG Shang ， WANG Tao ， et al ． Optimization control method of active safety correction from the perspective of safety domain [J]. Automation of Electric Power Systems ， 2017 ， 41 ( 18 )： 17 - 24 ．

ZHOU X ， XU W ， XU C . The assistant decision-making for power grid equipment overloading considering load transfer actions [J]. Power System Protection and Control ， 2013 ， 41 ( 23 )： 61 - 66 ．

张尚，顾雪平，王涛 . 基于分布鲁棒优化的含风电系统静态安全校正控制方法 [J]. 电力自动化设备， 2019 ， 39 ( 2 )： 58 - 64 ．

ZHANG Shang ， GU Xueping ， WANG Tao . Static safety correction control method for wind power system based on distributed robust optimization [J]. Electric Power Automation Equipment ， 2019 ， 39 ( 2 )： 58 - 64 ．

REDDY S . Multi-objective based congestion management using generation rescheduling and load shedding [J]. IEEE Transactions on Power Systems , 2017 , 32 ( 2 ): 852 - 863 ．

李利利，姚建国，杨争林，等 . 计及机组组合状态调整的发电计划安全校正策略 [J]. 电力系统自动化 , 2011 ， 35 ( 11 )： 98 - 102 ．

LI Lili ， YAO Jianguo ， YANG Zhenglin ， et al . Generation plan safety correction strategy considering unit combination state adjustment [J]. Automation of Electric Power Systems ， 2011 ， 35 ( 11 )： 98 - 102 ．

朱梓荣，李群，卫志农，等 . 含新型统一潮流控制器的电力系统安全校正模型 [J]. 电力系统自动化， 2019 ， 43 ( 2 )： 58 - 71 ．

ZHU Zirong ， LI Qun ， WEI Zhinong ， et al . Power system security correction model with new-type unified power flow controller [J]. Automation of Electric Power Systems ， 2019 ， 43 ( 2 )： 58 - 71 ．

赵静波，卫志农，刘建坤，等 . 电力系统线性化动态最优潮流模型 [J]. 电力系统自动化， 2018 ， 42 ( 20 )： 86 - 93 ．

ZHAO Jingbo ， WEI Zhinong ， LIU Jiankun ， et al . Dynamic optimal power flow model of power system linearization [J]. Automation of Electric Power Systems ， 2018 ， 42 ( 20 )： 86 - 93 ．

CONTRERAS J ， ESPIONLA R ， NOGALES F J ， et al ． ARIMA models to predict next-day electricity prices [J]. IEEE Power Engineering Review ， 2002 ， 22 ( 9 )： 57 - 57 ．

唐振韬，邵坤，赵冬斌．深度强化学习进展：从AlphaGo到AlphaGo Zero [J]. 控制理论与应用， 2017 ， 34 ( 12 )： 1529 - 1545 ．

TANG Zhentao ， SHAO Kun ， ZHAO Dongbin . Progress of deep reinforcement learning：from AlphaGo to AlphaGo Zero [J]. Control Theory & Applications ， 2017 ， 34 ( 12 )： 1529 - 1545 ．

WANG Y ， LIU M ， BAO Z . Deep learning neural network for power system fault diagnosis [C]// 2016 35th Chinese Control Conference , July 27 - 29 , 2016 , Chengdu, China．

苏童，刘友波，沈晓东，等 . 深度学习驱动的电力系统暂态稳定预防控制进化算法 [J/OL]. 中国电机工程学报 [ 2020-02-22 ]. https://doi.org/10.13334/j.0258-8013.pcsee.191114 https://doi.org/10.13334/j.0258-8013.pcsee.191114 ．

SU Tong ， LIU Youbo ， SHEN Xiaodong ， et al . Evolutionary algorithm of power system transient stability preventive control driven by deep learning [J/OL]. Proceedings of the CSEE [ 2020-02-22 ]. https://doi.org/10.13334/j.0258-8013.pcsee.191114 https://doi.org/10.13334/j.0258-8013.pcsee.191114 .

WENG Y ， NEGI R ， FALOUTSOS C ， et al . Robust data-driven state estimation for smart grid [J]. IEEE Transactions on Smart Grid ， 2017 ， 8 ( 4 )： 1956 - 1967 ．

YU J ， WENG Y ， RAJAGOPAL R ， et al . A data-driven parameter and topology joint estimation framework for time varying system in distribution grids [J]. IEEE Transactions on Power Systems ， 2019 ， 34 ( 3 )： 1682 - 1692 ．

WENG Y ， NEGI R ， ILIC M D . Probabilistic joint state estimation for operational planning [J]. IEEE Transactions on Smart Grid ， 2019 ， 10 ( 1 )： 601 - 612 ．

杨燕，杨知方，余娟，等 . 基于深度学习的含不确定性 <math id="M70"><mi>N</mi><mo>-</mo><mn mathvariant="normal">1</mn></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=4948262&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=4948254&type= 7.53533316 2.20133328 安全校核方法 [J/OL]. 中国电机工程学报 [ 2020-03-07 ]． https：//doi.org/10.13334/j.0258-8013.pcsee.191601 https://doi.org/10.13334/j.0258-8013.pcsee.191601 ．

YANG Yan ， YANG Zhifang ， YU Juan ， et al . <math id="M71"><mi>N</mi><mo>-</mo><mn mathvariant="normal">1</mn></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=4948279&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=4948270&type= 7.53533316 2.20133328 safety verification method with uncertainty based on deep learning [J/OL]. Proceedings of the CSEE [ 2020-03-07 ]． https：//doi．org/10.13334/j.0258-8013.pcsee.191601． https://doi.org/10.13334/j.0258-8013.pcsee.191601.

薛禹胜，赖业宁 . 大能源思维与大数据思维的融合:（一）大数据与电力大数据 [J]. 电力系统自动化， 2016 ， 40 ( 1 )： 1 - 8 ．

XUE Yusheng ， LAI Yening . Integration of macro energy thinking and big data thinking: Part one big data and power big data [J]. Automation of Electric Power Systems ， 2016 ， 40 ( 1 )： 1 - 8 ．

方超 , 仲春林 , 季聪 . 基于负荷数据挖掘的公变用途分类方法研究 [J]. 电力工程技术， 2018 ， 37 ( 5 )： 115 - 120 ．

FANG Chao ， ZHONG Chunlin ， JI Cong . Research on public utility classification method based on load data mining [J]. Electric Power Engineering Technology , 2018 , 37 ( 5 ): 115 - 120 ．

朱乔木，陈金富，李弘毅，等 . 基于堆叠自动编码器的电力系统暂态稳定评估 [J]. 中国电机工程学报， 2018 ， 38 ( 10 ): 120 - 129 ．

ZHU Qiaomu ， CHEN Jinfu ， LI Hongyi ， et al . Power system transient stability assessment based on stack automatic encoder [J]. Proceedings of the CSEE ， 2018 ， 38 ( 10 ): 120 - 129 ．

YARIN G ， ZOUBIN G . Dropout as a Bayesian approximation：representing model uncertainty in deep learning [EB/OL].[ 2020-06-01 ]. https://arxiv.org/abs/1506.02142 https://arxiv.org/abs/1506.02142 ．

徐舒玮，邱才明，张东霞，等 . 基于深度学习的输电线路故障类型辨识 [J]. 中国电机工程学报， 2019 ， 39 ( 1 )： 67 - 76 ．

XU Shuwei ， QIU Caiming ， ZHANG Dongxia ， et al . Fault type identification of transmission lines based on deep learning [J]. Proceedings of the CSEE ， 2019 ， 39 ( 1 )： 67 - 76 ．

DUCHI J ， HAZAN E ， SINGER Y . Adaptive subgradient methods for online learning and stochastic optimization [J]. Journal of Machine Learning Research ， 2011 ， 12 ( 7 )： 257 - 269 ．

周念成，廖建权，王强钢，等 . 深度学习在智能电网中的应用现状分析与展望 [J]. 电力系统自动化， 2019 ， 43 ( 4 )： 267 - 284 ．

ZHOU Niancheng ， LIAO Jianquan ， WANG Qianggang ， et al . Analysis and prospect of deep learning application in smart grid [J]. Automation of Electric Power Systems ， 2019 ， 43 ( 4 )： 267 - 284 ．

LUMA O ， IVRISSIMTZIS I . Using theoretical ROC curves for analyzing machine learning binary classifiers [EB/OL]. [ 2020-06-01 ]. https://arxiv.org/abs/1909.09816?context=cs.CV https://arxiv.org/abs/1909.09816?context=cs.CV ．

韦修喜，周永权 . 基于ROC曲线的两类分类问题性能评估方法 [J]. 计算机技术与发展， 2010 ， 20 ( 11 )： 47 - 50 ．

WEI Xiuxi ， ZHOU Yongquan . Performance evaluation method of two kinds of classification problems based on ROC curve [J]. Computer Technology and Development ， 2010 ， 20 ( 11 )： 47 - 50 ．

COOK N R . Use and misuse of the receiver operating characteristic curve in risk prediction [J]. Circulation ， 2007 ， 115 ( 7 )： 928 - 35 ．

周玲，王宽，钱科军，等 . 计及UPFC的电力系统无功优化 [J]. 中国电机工程学报 , 2008 , 28 ( 4 )： 37 - 41 .

ZHOU Ling ， WANG Kuan ， QIAN Kejun ， et al . Reactive power optimization of power system considering UPFC [J]. Proceedings of the CSEE ， 2008 , 28 ( 4 )： 37 - 41 ．

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于特征融合与深度学习的非侵入式负荷辨识算法

深度强化学习在需求响应中的应用

基于KAN的可解释净负荷概率预测方法