基于增强输入凸神经网络的区域频率约束电力系统最优配模规划
系统与控制
2025-07-25 v1 系统与控制
摘要
大规模可再生能源的渗透正在推动电力系统发生变化，导致系统惯性水平下降，对频率响应服务的需求日益增加。已有许多研究开发了频率约束模型用于电力系统安全，但大多数文献仅考虑统一的频率安全，忽略了不同区域之间频率的空间差异。为填补这一空白，本文提出了一种新的电力系统最优配模规划模型，捕捉区域频率安全及区域间频率振荡。具体方法是首先通过增强输入凸神经网络（ICNN）提取区域频率约束，然后将其嵌入原始优化中实现频率安全，其中采用原则化的权重初始化策略来处理传统ICNN中非负权重的梯度消失问题并提升其拟合能力。开发了一种结合稀疏计算与局部搜索的自适应遗传算法，将规划模型分为两个阶段并进行迭代求解。通过在三个不同的电力系统上进行案例研究，验证了所提出频率约束规划模型在确保区域系统安全性和获取真实投资决策方面的有效性。
引用
@article{arxiv.2507.18102,
title = {Regional Frequency-Constrained Planning for the Optimal Sizing of Power Systems via Enhanced Input Convex Neural Networks},
author = {Yi Wang and Goran Strbac},
journal= {arXiv preprint arXiv:2507.18102},
year = {2025}
}