基于重要性抽样的数据-物理融合驱动潮流保守近似方法OA
为了防止电力系统运行状态超出安全边界、防范系统潜在安全风险并提高系统调度的鲁棒性,需要研究近似误差恒为正或恒为负的潮流保守近似方法。但目前的潮流保守近似方法存在计算时间长、容易过拟合以及难以应用等问题。针对上述挑战,提出了一种基于重要性抽样的数据-物理融合驱动潮流保守近似方法,该方法在数据驱动方法的基础上加入电力系统物理约束与正则项,并使用考虑电力系统运行范围的改进重要性抽样方法。最终通过仿真验证了所提出方法可以加快求解速度、提高模型的泛化能力。
张贝西;张耀;赵寒亭;霍巍;孙士超;廖建
西安交通大学电气工程学院,陕西省西安市710049西安交通大学电气工程学院,陕西省西安市710049西安交通大学电气工程学院,陕西省西安市710049西安交通大学电气工程学院,陕西省西安市710049西安交通大学电气工程学院,陕西省西安市710049西安交通大学电气工程学院,陕西省西安市710049
信息技术与安全科学
电力系统保守近似潮流计算重要性抽样物理约束
《电网技术》 2026 (8)
P.3371-3380,I0105-I0108,14
国家重点研发计划项目(2022YFB2403500)陕西省自然科学基础研究计划项目(2025JC-YBMS-441)。
评论