现代电力系统中隐藏紧急状态的早期检测与分类：基于学习的随机混合系统方法
系统与控制
2025-01-24 v2 系统与控制
摘要
本文提出了一种新颖的基于学习的随机混合系统（LSHS）方法，用于检测和分类现代电力系统中的各类紧急状态。具体而言，所提出的方法能够识别现有感知和监测系统无法捕获的隐藏紧急状态，例如保护系统故障或配电网络中的线路断开。LSHS 方法通过分析系统输出和行为来检测紧急状态。然后根据其对 SHS 模型的影响将其分类为物理紧急状态、控制网络紧急状态和测量紧急状态。随机混合系统（SHS）模型进一步扩展为先进的闭环框架，融合了系统动力学和基于观测器的状态估计误差动力学。LSHS 框架中的机器学习方法被用于紧急状态分类和快速检测。通过在增强型 IEEE-33 母线系统上的仿真验证了所提出方法的实用性和有效性。结果表明，LSHS 框架显著提高了紧急状态检测的准确性和速度，与现有方法相比提供了有前景的解决方案，以增强电力系统紧急状态检测。
引用
@article{arxiv.2407.21219,
title = {Early Detection and Classification of Hidden Contingencies in Modern Power Systems: A Learning-based Stochastic Hybrid System Approach},
author = {Erfan Mehdipour Abadi and Hamid Varmazyari and Masoud H. Nazari},
journal= {arXiv preprint arXiv:2407.21219},
year = {2025}
}
备注
Under review in IEEE Transactions on Power Systems