Результаты исследований: Вклад в журнал › Статья › Рецензирование
Результаты исследований: Вклад в журнал › Статья › Рецензирование
}
TY - JOUR
T1 - РАЗРАБОТКА МЕТОДА ОЦЕНКИ ДИНАМИЧЕСКОЙ УСТОЙЧИВОСТИ ЭНЕРГОСИСТЕМ НА ОСНОВЕ ПРИМЕНЕНИЯ ТЕОРИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА С УЧЁТОМ ТОПОЛОГИЧЕСКОЙ СВЯЗАННОСТИ СЕТИ
AU - Сенюк, Михаил Дмитриевич
AU - Дмитриева, Анна Алексеевна
PY - 2022
Y1 - 2022
N2 - Развитие современных электроэнергетических систем связано с цифровизацией и увеличением потока данных от объектов электроэнергетики к центрам управления. С другой стороны, увеличение доли возобновляемых источников энергии приводит к увеличению неопределённости электрических режимов и снижению суммарной инерции, что накладывает новые требования к быстродействию процедуры оценки динамической устойчивости и противоаварийного управления. Применение традиционных детерминированных алгоритмов к анализу динамической устойчивости энергосистем в условиях ужесточающихся требований к быстродействию могут оказаться неэффективными. Для преодоления недостатков традиционных методов оценки динамической устойчивости энергосистем могут быть использованы методы искусственного интеллекта. Данный класс методов обладает значительным быстродействием обученных моделей и возможностью поиска закономерностей в данных, что делает его эффективным в условиях современных энергосистем. В работе представлены результаты разработки метода оценки динамической устойчивости энергосистемы на основе методов искусственного интеллекта с учётом топологической связанности электрической сети. Методика основана на применении алгоритма градиентного бустинга деревьев решений. Численное моделирование выполнено на модели IEEE39, реализованной в Matlab/Simulink, для реализации алгоритмов машинного обучения использована библиотека Scikit-learn языка программирования Python3. Для обучения алгоритма машинного обучения использовались углы нагрузок синхронных генераторов, уровни напряжения в узлах подключения синхронных генераторов к электрической сети, топология электрической сети, продолжительность и сопротивление короткого замыкания. В результате применения обученного алгоритма с учётом топологии электрической сети на тестовой выборке была получена точность в 91,5%. Точность работы на тестовой выборке без учёта топологической связанности элементов энергосистемы составила 81,6%.
AB - Развитие современных электроэнергетических систем связано с цифровизацией и увеличением потока данных от объектов электроэнергетики к центрам управления. С другой стороны, увеличение доли возобновляемых источников энергии приводит к увеличению неопределённости электрических режимов и снижению суммарной инерции, что накладывает новые требования к быстродействию процедуры оценки динамической устойчивости и противоаварийного управления. Применение традиционных детерминированных алгоритмов к анализу динамической устойчивости энергосистем в условиях ужесточающихся требований к быстродействию могут оказаться неэффективными. Для преодоления недостатков традиционных методов оценки динамической устойчивости энергосистем могут быть использованы методы искусственного интеллекта. Данный класс методов обладает значительным быстродействием обученных моделей и возможностью поиска закономерностей в данных, что делает его эффективным в условиях современных энергосистем. В работе представлены результаты разработки метода оценки динамической устойчивости энергосистемы на основе методов искусственного интеллекта с учётом топологической связанности электрической сети. Методика основана на применении алгоритма градиентного бустинга деревьев решений. Численное моделирование выполнено на модели IEEE39, реализованной в Matlab/Simulink, для реализации алгоритмов машинного обучения использована библиотека Scikit-learn языка программирования Python3. Для обучения алгоритма машинного обучения использовались углы нагрузок синхронных генераторов, уровни напряжения в узлах подключения синхронных генераторов к электрической сети, топология электрической сети, продолжительность и сопротивление короткого замыкания. В результате применения обученного алгоритма с учётом топологии электрической сети на тестовой выборке была получена точность в 91,5%. Точность работы на тестовой выборке без учёта топологической связанности элементов энергосистемы составила 81,6%.
UR - https://www.elibrary.ru/item.asp?id=49996266
U2 - 10.18503/2311-8318-2022-4(57)-12-19
DO - 10.18503/2311-8318-2022-4(57)-12-19
M3 - Статья
VL - 4 (57)
SP - 12
EP - 19
JO - Электротехнические системы и комплексы
JF - Электротехнические системы и комплексы
SN - 2311-8318
ER -
ID: 33218613