为方便国内读者同步了解中国专家学者发表的SCI论文成果,电力系统自动化微信公众号开辟“SCI论文抢鲜”栏目,征集国内学者在国际SCI收录期刊上发表的英文论文,特别是重大创新思维和重大创新成果的介绍,促进“走出去”的成果同时在国内催化芬芳,敬请关注。
今天带给大家的是四川大学刘友波副教授团队的研究成果,该文已被IEEE Transactions on Power Systems录用并以在线形式发表,欢迎品读。
Tingjian Liu, Youbo Liu, Junyong Liu, et al. A Bayesian learning based scheme for online dynamic security assessment and preventive control [J/OL]. IEEE Transactions on Power Systems [2020-04-01]. https://ieeexplore.ieee.org/document/9052430. DOI: 10.1109/TPWRS.2020.2983477
https://ieeexplore.ieee.org/document/9052430
(点击网址阅读全文)
基于人工智能的电力系统安全稳定分析与控制是当前研究热点之一。本文提出一种基于贝叶斯学习的在线暂态稳定评估与预防控制策略(transient stability assessment and preventive control, TSA&PC)。采用贝叶斯深度学习技术(Bayesian deep learning, BDL)从大数据知识库中学习提取电网暂态稳定的神经网络规则,实现电网暂态稳定的在线快速评估;建立神经网络规则驱动的暂态稳定约束最优潮流模型(transient stability-constrained optimal power flow, TSCOPF),采用贝叶斯优化算法(Bayesian optimization, BO)对非数值解析(non-analytical)的最优潮流模型进行求解,得到发电再调度(generation rescheduling)预防控制策略。
暂稳评估贝叶斯网络模型
贝叶斯神经网络(Bayesian neural network, BNN)是对深度神经网络(deep neural network, DNN)和贝叶斯推理(Bayesian inference, BI)的结合。BNN假定其网络参数w服从后验分布(posterior distribution),而非唯一固定值。不同于神经网络前馈计算(feed forward),BNN预测的数学表达如式(1)所示,需通过蒙特卡洛抽样并求解输出期望来得到预测结果。
由于BNN网络参数后验分布P(w|D)难以直接求得,因此基于变分推理(variational inference, VI)和Bayes-by-BackProp算法,通过最小化Kullback-Leibler散度(KL divergence)来求取网络参数的变分分布(variational distribution),并以变分分布q(w|θ)来近似表征后验分布。
变分分布一般采用正态分布,式中θ为待求取的分布参数(即正态分布的均值与方差)。
采用IEEE 39-bus system进行算例验证。如表1和表2所示,深度贝叶斯网络对系统暂态稳定分类准确率为99.64%,对预想故障临界切除时间(critical clearing time, CCT)的平均预测误差为0.39周波,预测精度满足应用需求。
表1 深度贝叶斯网络暂稳分类准确率
表2 深度贝叶斯网络CCT预测误差
暂稳防控贝叶斯优化算法
进一步将贝叶斯深度神经网络规则作为暂态稳定约束引入到最优潮流模型中,得到式(3)-(4)所示暂态稳定约束最优潮流模型TSCOPF。
式中:φBNN-DSA为基于贝叶斯神经网络的暂态稳定评估规则。
上述最优潮流模型因内嵌黑盒子(black-box)神经网络规则而难以推导梯度信息,需采用进化算法(evolutionary optimization, EO)求解。引入基于高斯过程(Gaussian process, GP)的贝叶斯优化算法,结合含约束期望改进(expected improvement with constraint, EIC)作为采集函数(acquisition function),在每一迭代步中更新高斯过程代理模型并通过最大化采集函数来求取新采样点,最终以最优采样点作为原暂态稳定约束最优潮流问题的最优解。
采用IEEE 39-bus system进行算例验证。随机选取不安全工况作为实时工况,基于贝叶斯优化算法求解TSCOPF,得到发电再调度控制策略。所求得控制策略如图1所示,预防控制前后系统故障动态响应如图2所示,可知所提模型算法可生成有效的预防控制策略。
图1 发电再调度控制策略
图2 控制前后发电机故障后功角轨迹
结论
在线暂态稳定评估与预防控制是预防电力系统大停电事故的重要手段。本文提出一种基于贝叶斯学习的在线暂态稳定评估与预防控制策略,实现了基于贝叶斯深度网络的电网暂态稳定在线快速评估,建立了神经网络规则驱动的暂态稳定约束最优潮流模型,采用贝叶斯优化算法对非数值解析优化模型进行求解,得到发电再调度预防控制策略。该方法可实时监视电网暂态稳定状态,对存在失稳风险的运行工况进行预警并生成发电再调度控制策略,有效提升电力系统运行的暂态稳定水平。
相关阅读
[1] Youbo Liu, Junbo Zhao, Lixiong Xu, et al. Online TTC estimation using nonparametric analytics considering wind power integration [J]. IEEE Transactions on Power Systems, 2019, 34(1): 494-505.
[2] G. Qiu, J. Liu, Y. Liu, et al. Ensemble Learning for power systems TTC prediction with wind farms [J]. IEEE Access, 2019, 7: 16572-16583.
[3] T. Liu, Y. Liu, L. Xu, et al. Non-parametric statistics-based predictor enabling online transient stability assessment [J]. IET Generation, Transmission & Distribution, 2018, 12(21): 5761-5769.
[4] Liu Y, Liu Y, Liu J, et al. High-performance predictor for critical unstable generators based on scalable parallelized neural networks [J]. Journal of Modern Power Systems and Clean Energy, 2016, 4(3): 414-426.
作者及团队简介
刘挺坚
四川大学电气工程学院博士研究生,研究方向为电力系统安全稳定性、大数据与人工智能在电力系统的应用。
E-mail: liutingjian@stu.scu.edu.cn
刘友波
四川大学电气工程学院副教授,硕士生导师,从事电力系统数据科学与人工智能,主动配电网规划与运行,规模化储能应用等领域研究。负责或参与国家重点研发计划、国家自然科学基金青年、面上、重点项目、以及电力系统领域各类课题50余项,发表SCI/Ei检索论文100余篇,出版专著1部,获得省部级科技进步奖2项。
E-mail: liuyoubo@scu.edu.cn
刘俊勇
四川大学电气工程学院教授,博士生导师,Brunel大学博士和荣誉博士,四川省电机工程学会副理事长,四川省电工技术学会副理事长。从事智能电网运行与规划、电力交易与配售电市场、电动汽车充换电网络规划与交互运行、电力系统数据科学与物理信息系统、清洁能源与储能技术、智慧能源农业等领域研究,承担国家自然科学基金、国家重点研发计划、以及电力公司各类课题近100项,开发大型电力系统深度挖掘与知识呈现、主动配电网运行规划、清洁能源并网消纳等软件系统10余套,发表SCI/Ei检索论文280余篇,合/译著7部。
E-mail: liujy@scu.edu.cn
王凌峰
University of Wisconsin-Milwaukee副教授,IEEE Senior Member,主要从事电力系统可靠性、电力信息物理系统安全性、清洁能源与电动汽车并网、能源-供水综合系统等领域研究。
E-mail: l.f.wang@ieee.org
许立雄
四川大学电气工程学院讲师,博士,研究方向为电力系统安全稳定分析与控制。
E-mail: xulixiong@163.com
邱高
四川大学博士研究生,研究方向为电力系统安全稳定性、大数据与人工智能在电力系统的应用。
E-mail: qiugaoscu@stu.scu.edu.cn
高红均
四川大学电气工程学院副研究员,硕士生导师,主要研究方向为主动配电网规划运行、经济调度、园区/微网多能源综合系统优化等,发表SCI/Ei检索论文40余篇。
E-mail: e-gaohongjun@163.com
郑重声明:根据国家版权局相关规定,纸媒、网站、微博、微信公众号转载、摘编本微信作品,需包含本微信名称、二维码等关键信息,并在文首注明《电力系统自动化》原创。个人请按本微信原文转发、分享。