|
|
- 2019
计及低频减载动作的最大暂态频率偏移快速估计Keywords: 电力系统,频率偏移,低频减载,支持向量机,集成学习,特征降维,power system, frequency deviation, under-frequency load shedding(UFLS), support vector machine, ensemble learning, feature dimension reduction Abstract: 随着大容量远距离高压直流输电工程建设和大规模可再生能源的接入，受端电网频率安全风险增大。针对大容量直流闭锁等可能触发低频减载的严重扰动，文中提出基于机器学习的电力系统最大暂态频率偏移快速估计方法。将问题分解为低频减载响应判断和最大频率偏移估计两个子问题，通过子模型交替求解估计最大暂态频率偏移;基于支持向量回归方法构建最大频率偏移估计子模型，以支持向量机为个体学习器构建基于Bagging集成学习的低频减载响应判断子模型;以运行方式信息和扰动信息为输入，采用ReliefF算法和主成分分析法对输入特征进行选择和提取，降低模型复杂度。以某多直流馈入受端系统为例构建最大暂态频率偏移估计模型，验证所提方法的准确性和适应性
|
