能量函数结合人工智能的新能源并网系统次/超同步振荡源定位研究
能量函数结合人工智能的新能源并网系统次/超同步振荡源定位研究
摘要
随着风电、光伏等新能源的大规模并网，电力系统次/超同步振荡问题日益突出，严重威胁电网的安全稳定运行。精准定位振荡源是实施有效抑制措施的关键前提。本文提出一种融合能量函数分析与人工智能技术的次/超同步振荡源定位方法。首先，基于端口瞬时能量供给理论建立振荡能量函数模型，利用多元同步压缩广义S变换提取时频域特征；然后，将时频能量特征图作为输入，构建四元特征集卷积神经网络实现振荡源的自动识别与定位；最后，通过IEEE 39节点仿真系统验证所提方法的有效性。仿真结果表明，该方法在量测数据有限、系统可观测性较差的条件下仍能保持较高定位精度，且具有良好的抗噪声能力。
关键词：次/超同步振荡；能量函数；卷积神经网络；振荡源定位；新能源并网
1 引言
1.1 研究背景与意义
以风电、光伏为代表的新能源发电技术在全球范围内迅速发展，电力电子设备在电力系统中的渗透率持续攀升。然而，新能源发电设备与电网之间的复杂相互作用引发了一系列宽频振荡事件，其中次/超同步振荡问题尤为突出，对系统的安全稳定运行构成了严重威胁。
近年来，国内外多次发生由新能源并网引发的次/超同步振荡事故。2009年，美国德克萨斯州南部电力可靠性委员会系统中发生了双馈风机与串补相互作用导致的振荡事件，造成大量风机跳闸；2015年，中国新疆哈密地区直驱风机与弱电网相互作用引发的次/超同步振荡信号传播300余公里，导致汽轮机组轴系扭振并跳闸；2019年，渝鄂柔直工程发生多频