学习电力系统发电机与基于逆变器资源动力学的一种统一方法
系统与控制
2024-09-24 v1 机器学习
系统与控制
摘要
用于可再生能源接入与电气化的基于逆变器资源 (IBRs) 的日益普及，对电力系统动态分析提出了巨大挑战。为了同时考虑同步发电机 (SGs) 和 IBRs，本文提出了一种学习单个动态组件模型的方法。循环神经网络 (RNN) 模型被用于匹配递归结构，根据组件的端母线电压和设定点输入预测其关键动态状态。为处理特别是由于 IBRs 引起的快速暂态，我们开发了一种稳定积分 (SI-)RNN，以模拟高阶积分方法，从而增强动态学习任务的稳定性和准确性。我们证明，所提出的 SI-RNN 模型不仅能成功预测组件的动态行为，还提供了高效计算相对于设定点变化的动态灵敏度的可能性。这些能力已基于包含 SGs 和 IBRs 的小型测试系统上的全阶电磁暂态 (EMT) 仿真得到了数值验证，特别是在预测构网型逆变器的动力学方面。
引用
@article{arxiv.2409.14454,
title = {A Unified Approach for Learning the Dynamics of Power System Generators and Inverter-based Resources},
author = {Shaohui Liu and Weiqian Cai and Hao Zhu and Brian Johnson},
journal= {arXiv preprint arXiv:2409.14454},
year = {2024}
}