低惯量电力系统中基于选择性线性化神经网络的 RoCoF 约束机组组合
系统与控制
2023-03-07 v2 系统与控制
摘要
传统同步发电机正逐步被基于逆变器的资源所替代，此种过渡引入了更为复杂的运行条件。系统惯量的降低给系统运营商维持系统频率变化率（RoCoF）安全带来了挑战。本文提出一种基于选择性线性化神经网络（SNLNN）的 RoCoF 约束机组组合（SLNN-RCUC）模型。首先训练一个 RoCoF 预测器，基于高保真仿真数据集预测系统范围内最高的节点 RoCoF。并非将完整神经网络纳入机组组合，而是对主动筛选的神经元实施 ReLU 线性化方法，以提升算法计算效率。所提 SLNN-RCUC 模型的有效性在 IEEE 24 节点系统上通过在 PSS/E 中进行时域仿真得以验证。
引用
@article{arxiv.2211.08502,
title = {Selectively Linearized Neural Network based RoCoF-Constrained Unit Commitment in Low-Inertia Power Systems},
author = {Mingjian Tuo and Xingpeng Li},
journal= {arXiv preprint arXiv:2211.08502},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2208.08028