基于图卷积神经网络的直流送端系统暂态过电压评估

作     者：刘浩宇 刘挺坚 刘友波 丁理杰 史华勃 LIU Haoyu;LIU Tingjian;LIU Youbo;DING Lijie;SHI Huabo

作者机构：四川大学电气工程学院四川成都610065 国网四川省电力科学研究院四川成都610000 

出 版 物：《电力系统保护与控制》 (Power System Protection and Control)

年 卷 期：2023年第51卷第23期

页      面：71-81页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目资助(51977133) 

主　　题：直流送端系统 闭锁 换相失败 暂态过电压 深度学习 图卷积神经网络 

摘      要：随着新能源接入电力系统并通过直流送出,送端系统的暂态过电压问题逐渐突出。因此,为快速准确估计送端系统在直流闭锁、换相失败等预想扰动场景下各直流近区节点暂态过电压严重度,提出一种基于图卷积神经网络(graph convolutional network,GCN)的直流送端系统暂态过电压评估模型。该模型以电网发生直流故障前的潮流状态参数与网络拓扑作为输入特征,可以同时预估电网多个关键节点(如风电场汇集节点)的暂态过电压严重度。利用含跨区直流异步互联的两区域系统进行算例分析,验证该模型可以适应多种网架拓扑结构、不同新能源发电占比等差异化电网运行方式,具有较强的泛化能力。同时,所提模型揭示了对过电压严重度影响最大的关键因素,具有一定的可解释性,可为暂态过电压的预防控制提供有效指导。