找到 3 条结果 · IEEE Transactions on Power Systems
电力系统暂态稳定评估中神经网络的鲁棒性认证
Robustness Certification of Neural Networks for Power System Transient Stability Assessment
Liangyuchen Lu · Yanzhen Zhou · Hongtai Zeng · Zhengcheng Wang 等6人 · IEEE Transactions on Power Systems · 2025年5月
神经网络（NNs）可快速准确地评估电力系统安全性，但对输入微小扰动的鲁棒性有限，可能导致误判。现有鲁棒性认证方法在暂态稳定评估中面临物理约束与敏感动态的挑战。为此，本文提出考虑物理可行性的鲁棒性比率指标及两阶段认证框架，通过嵌入系统物理约束推导非平凡鲁棒下界，并利用优化样本的稳定性验证获取上界。基于该框架开展模型选择与对抗训练，提升模型鲁棒性。在新英格兰10机系统及实际区域电网中的验证表明所提方法有效。
解读: 该神经网络鲁棒性认证技术对阳光电源PowerTitan大型储能系统及构网型控制产品具有重要应用价值。在储能系统参与电网暂态稳定支撑时，需快速准确评估系统安全裕度，但传统神经网络模型易受扰动影响导致误判。该研究提出的物理约束嵌入式认证框架可应用于：1）ST系列储能变流器的GFM控制策略优化，通过鲁棒性...
实用动态安全域模型：一种混合物理模型驱动与数据驱动的方法
Practical Dynamic Security Region Model: A Hybrid Physical Model-Driven and Data-Driven Approach
Junzhi Ren · Yuan Zeng · Chao Qin · IEEE Transactions on Power Systems · 2024年4月
基于安全域（SR）的安全分析方法在电力系统分析中起着关键作用。安全裕度的构建有助于挖掘实际动态安全域（PDSR）的几何和物理特性。数据驱动方法为电力系统安全分析提供了有力支持。然而，人工智能方法的可解释性差和泛化能力弱阻碍了其在电力系统中的应用。尽管模型驱动方法能够有效分析物理模型的内部机制，提高其可解释性，并增强安全裕度评估的可靠性，但其强非线性结构和低计算效率限制了其进一步应用。本研究首先基于安全域的特性构建了可靠的安全裕度，进而基于可靠性指标得到临界运行区间。最后，采用数据驱动方法修正实际...
解读: 该混合建模方法对阳光电源的储能与光伏产品线具有重要应用价值。可用于ST系列储能变流器和SG系列光伏逆变器的安全运行边界评估,特别是在大规模新能源并网场景下。通过融合物理模型与数据驱动方法,能够优化PowerTitan等大型储能系统的运行策略,提升GFM/GFL控制的稳定性裕度。这对提高产品在复杂电网...
一种用于随机连续扰动下暂态稳定性评估的非采样时域仿真框架
A Non-Sampling Time-Domain Simulation Framework for Transient Stability Assessment Under Stochastic Continuous Disturbances
Yuerong Yang · Shunjiang Lin · Shiyuan Chen · Mingbo Liu 等5人 · IEEE Transactions on Power Systems · 2024年6月
基于随机微分代数方程（SDAEs）描述电力系统在随机连续扰动下的动态行为。传统数值方法需大量样本计算状态变量的概率分布，计算成本高。本文提出一种非采样时域仿真（NSTDS）框架，可直接求解暂态过程中各时刻状态变量的概率分布，显著提升计算效率。该框架采用具有更高收敛阶的Milstein-Euler预测校正迭代格式，并结合L^p空间对偶定理，提出一种避免维度灾难的随机变量函数概率分布计算方法，适用于大规模系统。在改进的IEEE 39节点和118节点系统上的算例验证了所提方法在暂态稳定性评估中的高精度...
解读: 该非采样时域仿真框架对阳光电源储能系统和新能源并网产品具有重要应用价值。在PowerTitan大型储能系统中，可用于评估随机功率波动（风光出力、负荷变化）下的暂态稳定性，优化构网型GFM控制参数设计。相比传统蒙特卡洛方法，该框架通过直接求解概率分布显著提升计算效率，适用于大规模储能电站的实时稳定性评...