基于高斯过程学习的概率鲁棒小信号稳定性框架
系统与控制
2019-10-04 v1 系统与控制
最优化与控制
摘要
尽管大多数电力系统小信号稳定性评估依赖于对状态呈非线性关系的降阶雅可比矩阵，但不确定的运行点为系统稳定性认证带来了非平凡障碍。本文基于高斯过程（GP）学习，为电力系统开发了一种新颖的概率鲁棒小信号稳定性（PRS）框架。所提PRS评估以给定概率为一个状态子空间（例如由状态估计误差界所指定的子空间）提供鲁棒稳定性证书。凭借该PRS证书，所关注子空间的所有内点将至少以相应置信水平保持稳定。为此，利用GP学习降阶雅可比矩阵临界特征值在状态子空间中随状态点的行为。所提PRS证书与基于子空间的搜索和基于置信的搜索机制共同构成一个面向所有场景的整体框架。该框架是在不确定性下评估稳定性的有力方法，因其不需要输入不确定性分布及其他状态特定的输入-输出近似。此外，利用特征值变化的上界分析了状态子空间中临界特征值的行为，并详细讨论了相关推论。在三机九总线WSCC系统上的结果表明，所提证书能以给定概率找到鲁棒稳定状态子空间。
引用
@article{arxiv.1910.01588,
title = {Probabilistic Robust Small-Signal Stability Framework using Gaussian Process Learning},
author = {Parikshit Pareek and Hung D. Nguyen},
journal= {arXiv preprint arXiv:1910.01588},
year = {2019}
}