摘要：考虑稳控策略的数据驱动稳定评估模型可以实现稳控策略的快速评估与校核,是值得探索的研究方向。应用中不仅要求稳定评估模型准确判断系统失稳与否,还需要获得主导失稳机群等信息,辅助稳控策略调整。论文提出了一种并联结构的图深度学习稳定评估模型。分别采用图点积注意力网络和时序卷积网络,有效提取故障期间和稳控动作前后的关键特征。设计了发电机分段稳定指标,并通过机组级稳定指标和机组稳定分类指标的多任务并行预测和相互校核,实现了高精度和细粒度的稳定评估。在IEEE10机39节点系统算例的对比分析验证了模型的有效性和准确性。

摘要：新能源发电使电网潮流变化更加快速,跟踪潮流变化,在线预测电网关键振荡模式的阻尼比和机组参与因子对维护电网运行安全有重要意义。该文采用数据驱动的建模思路,设计了基于多任务学习和深度学习框架的电力系统小干扰稳定评估模型(small-signal stability assessment,SSA),可同时实现多振荡模式的阻尼比预测和机组参与因子预测任务。基于图注意力网络和异质图思想,设计了引入边信息的边图注意力机制和将节点和边分类处理的异质图处理方法,建立了能有效利用边信息的异质边图注意力网络模型(heterogeneous edge graph attention network,HEGAT)。以HEGAT的特征聚合为基础,通过多任务共享参数和基于联合误差函数的训练提高了特征提取能力。IEEE10机39节点算例的对比实验表明,HEGAT-SSA能快速准确的预测模式和模态变化,并具有对拓扑变化的良好适应能力。

摘要：目前,数据驱动的暂态功角稳定评估模型的研究和测试主要在小规模算例系统进行,在实际电网的应用检验不足,其内在原因是图深度学习中的局部信息提取特点与功角稳定全局性的矛盾尚未解决。为此,设计一种深层级联残差图卷积模型,利用含残差连接的深层级联结构,实现模型层数堆叠性能的有效提升。利用MinMaxPooling模块,使模型参数与系统规模解耦。该模型结构设计与节点数量无关,可以解决数据驱动模型应用于大规模实际电网的问题。在某5419个节点的实际区域电网进行测试,结果验证了所提模型的有效性和实用性。