基于稀疏自编码器技术的电网气象灾害预测预警在新型电力系统中的研究OA

自然灾害和气候因素是造成新型电力系统电网非计划停运的主要责任原因。随着高比例可再生能源接入和电网数字化升级,新型电力系统对气象扰动的敏感性显著增强,电网防灾减灾更需重点关注气象致灾。针对气象因素与电网故障的关联关系和规律,文中提出了一种基于气象稀疏自编码器(sparse autoencoder,SAE)和支持向量机(support vector machine,SVM)的电网故障预警方法。通过稀疏自编码器和SVM的结合,显著提高了含高比例电力电子设备(power electronic devices,PED)的电网故障预警的灵敏度和抗干扰能力。基于新型电力系统典型场景下的气象历史数据和电网运维检修数据,通过应用合成少数类样本过采样技术(synthetic minority over-sampling technique,SMOTE)缓解数据集的不平衡问题,并利用最小信息熵原理确定气象因子的初始权重。通过反向传播算法微调SAE提取气象特征,预测气象灾害类型,结合SVM建立适应新型电力系统柔性运行需求的电网故障预警模型,完成气象场景与新型电网架构故障类型之间的关联预测。算例分析表明,该方法可准确实现气象灾害和故障类型的预测预警,为新型电力系统韧性提升提供技术支撑。