基于 MCReSANet 并含可解释性分析的低压电网谐波电流发射数据驱动建模
系统与控制
2024-01-22 v2 计算机视觉与模式识别
系统与控制
摘要
尽管电力电子(PE)负载的使用提升了电能转换效率与控制能力，它们仍是电网中谐波的主要来源。当多种负载接入配电系统时，其相互作用使得建立谐波电压与电流之间关系的解析模型变得复杂。为此，本文提出一种使用 MCReSANet 的数据驱动模型，以构建谐波电压与电流之间高度非线性的关系。利用来自芬兰和德国并网点(PCC)的两个数据集，表明 MCReSANet 能够建立准确的非线性映射，即便在所选芬兰和德国数据集存在不同网络特性的情况下。MCReSANet 所建模型相较 CNN 可将平均绝对误差(MAE)在芬兰和德国数据集上分别降低 10% 和 14%，相较 MLP 分别降低 8% 和 17%，且模型不确定性也远低于其他模型。这是进行更精确的基于 SHAP 值特征重要性分析的的关键前提，而该方法正是本文中用于模型可解释性分析的方法。特征重要性分析的结果展示了配电系统中各次谐波电压与电流之间的详细关系。各次谐波电流之间存在交互影响，但某些次谐波电压对谐波电流发射起主导影响：在芬兰与德国电网中分别是正序与零序谐波占主导重要性，这与两个所选芬兰和德国数据集中接入负载类型的模式相符。本文增强了理解和预测配电系统中多样 PE 负载谐波电流发射的潜力，有助于在多样电网环境中进行更有效的管理以优化电能质量。
引用
@article{arxiv.2311.15420,
title = {Data-Driven Modelling for Harmonic Current Emission in Low-Voltage Grid Using MCReSANet with Interpretability Analysis},
author = {Jieyu Yao and Hao Yu and Paul Judge and Jiabin Jia and Sasa Djokic and Verner Püvi and Matti Lehtonen and Jan Meyer},
journal= {arXiv preprint arXiv:2311.15420},
year = {2024}
}