《表2 不同工况下2种安全校正方法结果对比》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《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》
不同工况下2种安全校正方法结果对比如表2所示,由表2可知,支路L148在越限边缘(越限1%)时,可以通过模型方法正常进行安全校正有功和无功调整量计算;当越限程度增加时,由于MINLP模型无法计算系统内节点调整状态这一整数变量,因此无法进一步利用优化法确定相应有功和无功调整量。反观本文方法计算结果,离线训练的DNN识别模型可通过大量不同的越限数据判断此刻节点调整状态,确定寻优空间并完成在线计算阶段的节点调整量求取。部分支路如L64,由于传统含UPFC的安全校正策略始终无法在MINLP模型计算中求解整数变量,导致在1%,10%,20%等不同程度越限下均出现无解情况。然而,此类支路仍可由本文方法计算。可见,在DNN识别模型中对有解工况大量数据进行训练后,DNN可学习到许多相近工况的调整策略,此类运行状态相近的DNN可通过大量不同越限数据的学习判断某一无解工况下节点调整状态,确定寻优空间并完成在线计算阶段的节点调整量求取。以上对比结果证实了本文方法可用于解决MINLP模型的计算无解问题,弥补了传统基于物理模型的安全校正方法的不足,提升了系统快速安全校正的实用性,保障了系统安全稳定运行。
图表编号 | XD00220042600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.10 |
作者 | 孙国强、张恪、卫志农、李群、刘建坤、赵静波、张宁宇 |
绘制单位 | 河海大学能源与电气学院、河海大学能源与电气学院、河海大学能源与电气学院、国网江苏省电力有限公司电力科学研究院、国网江苏省电力有限公司电力科学研究院、国网江苏省电力有限公司电力科学研究院、国网江苏省电力有限公司电力科学研究院 |
更多格式 | 高清、无水印(增值服务) |