利用机器学习预测逆变器主导电网的故障穿越概率
系统与控制
2026-05-06 v1 机器学习
系统与控制
摘要
由于可再生能源占比不断增加，对电网动态行为的分析日益重要。有效的风险评估需要分析大量故障场景。动态仿真固有的计算成本限制了我们可分析的配置数量。机器学习(ML)已被证明能有效预测复杂的电网特性。因此，我们分析了ML在预测未来高逆变器占比电网动态稳定性方面的潜力。为此，我们生成了一个由合成电网模型组成的新数据集，并进行了动态仿真。作为ML训练的目标，我们计算了故障穿越概率，我们将其定义为在母线故障清除后，系统状态保持在穿越曲线内的概率。重要的是，我们证明了ML模型能够准确预测合成电网的故障穿越概率。最后，我们还展示了ML模型能够泛化到IEEE-96测试系统，这凸显了部署ML方法研究电网概率稳定性的潜力。
引用
@article{arxiv.2406.08917,
title = {Predicting Fault-Ride-Through Probability of Inverter-Dominated Power Grids using Machine Learning},
author = {Christian Nauck and Anna Büttner and Sebastian Liemann and Frank Hellmann and Michael Lindner},
journal= {arXiv preprint arXiv:2406.08917},
year = {2026}
}
备注
11 pages, 6 figures