小型电力系统故障后低频减载的数据驱动估计
系统与控制
2024-02-21 v2 系统与控制
摘要
本文提出了一种数据驱动方法，用于估计小型电力系统中的低频减载 (UFLS)。UFLS 通过在发电损失导致频率降至指定阈值以下时切除负荷，在维持系统稳定性方面发挥着至关重要的作用。利用动态系统频率响应 (SFR) 模型，我们基于一组精心选择的运行条件（即特征）生成了不同的 UFLS 值（即标签）。随后应用机器学习 (ML) 算法来学习所选特征与 UFLS 标签之间的关系。为此，我们提出了一种新颖的回归树和 Tobit 模型，并展示了如何将生成的非线性模型直接纳入混合整数线性规划 (MILP) 问题中。训练后的模型可用于安全约束运行规划问题中的 UFLS 估计，从而改善频率响应、优化备用分配并降低成本。该方法应用于拉帕尔马岛 (La Palma) 电力系统，证明了其准确性和有效性。结果证实，对于整个过程，UFLS 量的估计平均绝对误差 (MAE) 可低至 0.213 MW，且该模型可表示为 MILP 形式，用于机组组合等调度问题。
引用
@article{arxiv.2312.11389,
title = {Data-driven Estimation of Under Frequency Load Shedding after Outages in Small Power Systems},
author = {Mohammad Rajabdorri and Lukas Sigrist and Enrique Lobato and Matthias C. M. Troffaes and Behzad Kazemtabrizi},
journal= {arXiv preprint arXiv:2312.11389},
year = {2024}
}