基于模型-数据混合驱动的区域能源互联网韧性在线评估

作     者：李振坤 张天翼 邓莉荣 符杨 田书欣 季亮 LI Zhenkun;ZHANG Tianyi;DENG Lirong;FU Yang;TIAN Shuxin;JI Liang

作者机构：教育部海上风电技术工程研究中心(上海电力大学)上海市杨浦区200090 

出 版 物：《电网技术》 (Power System Technology)

年 卷 期：2024年第48卷第10期

页      面：4060-4073,I0036,I0037,I0035页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金重点项目(U2066214) 上海市科技计划项目(21010501200) 上海市晨光计划(22CGA68) 

主　　题：能源互联网 韧性评估 模型-数据混合驱动 时间卷积网络 扩展交叉熵 

摘      要：随着台风灾害的日益频发,能源系统的供能安全面临重大挑战,迅速、准确地根据实时更新的台风预测信息在线评估系统在未来短期内的应灾能力具有重要意义。该文将机理模型与数据驱动相结合,提出了一种模型-数据混合驱动的能源互联网韧性在线评估方法,克服了传统评估模型难以在线应用的缺点。首先,针对极端天气历史数据样本缺乏的问题,利用非序贯蒙特卡洛法离线模拟了系统在不同台风等级下的海量故障场景,以此生成了神经网络的训练样本集;其次,基于时间卷积网络(temporal convolutional network,TCN)构建了能源互联网的韧性在线评估模型,以多能负荷削减率为输出特征,通过离线训练提取台风信息、系统状态与负荷削减率的非线性映射关系,同时,利用深度残差收缩网络(deep residual shrinkage network,DRSN)改进了TCN的残差模块,通过自主的滤波学习降低了训练过程中冗余特征对计算精度的影响;接着,基于构建的韧性在线评估模型,提出了基于扩展交叉熵的韧性指标在线计算方法,通过迭代优化的最优概率密度函数,有效降低了在线仿真场景数量,进一步提高了指标方差收敛速度。最后,对某能源互联网的韧性进行了仿真评估,验证了所提方法的快速性和有效性。