11、电力系统稳定性评估与级联故障风险识别

电力系统稳定性评估与级联故障风险识别

1. 在线高斯过程学习用于安全评估

1.1 计算成本分析

在线动态安全评估（DSA）方案的计算成本主要源于两个因素：电网中状态轨迹的获取以及在线高斯过程（GP）算法的实现。对于电力系统模型，状态轨迹的获取与微分代数方程（DAE）系统的结构和维度相关，而计算负担主要取决于时间窗口内的训练点数量 (h)，而非电力系统动态的维度。

在配备 Intel i5 - 8500 CPU 3.00 GHz 和 8 GB 内存的台式机上使用 Matlab 2019b 进行实验验证时，实时更新估计的吸引域（ROA）大约需要 1 秒。对于大尺寸采样数据，可以采用 GP 模型的稀疏表示，通过重构整个采样数据的子样本克服尺寸限制。本质上，时间窗口的引入允许为在线 GP 学习重构采样数据。当从实际电网获取相量测量单元（PMU）数据时，计算成本主要取决于时间窗口 (h) 的宽度。在实践中，通过适当调整 (h)，可以在保证置信水平的前提下减轻在线 DSA 方案的计算负担。

1.2 方法总结与未来工作

本方法通过在有限时间窗口内学习采样数据，开发了一种在线 GP 方法来评估电力系统运行状态的安全性。进行了理论分析，以在保证置信水平的情况下估计电力系统状态的实时稳定域。利用实际智能电网的 PMU 数据进行了实验验证，证实了该方法的有效性。该方法使我们能够实时量化运行状态的安全水平，并为运营决策提供及时的态势感知。

对于电力系统的 DSA，利用历史采样数据扩大安全域具有重要意义。这需要获取受“大”干扰的电网采样数据，并将 GP 方法与在线学习策略有效结合。未来的工作可能包括过滤时间窗口中的冗余采样数据、识别受“大