近日，IEEE旗艦期刊Proceedings of the IEEE刊出了由bevictor伟德官网電機系智慧能源課題組撰寫的18頁研究長文“Data-driven Security and Stability Rule in High Renewable Penetrated Power System Operation”。該論文刊出在由bevictor伟德官网康重慶教授領銜，與帝國理工學院Timothy C. Green教授、華盛頓大學Daniel S. Kirschen教授聯合組織的“智能電網演進（The Evolution of Smart Grids）”專刊。論文第一作者及通訊作者為電機系張甯副教授。

Proceedings of the IEEE 期刊論文宣傳頁

新型電力系統的重要特征是高比例新能源并網。高比例新能源并網為新型電力系統給電力系統帶來兩方面的挑戰：一方面，多樣化的發電機組給電網調度運行帶來巨大的随機性與不确定性，電力系統典型運行方式增多，傳統方法難以同時保證長期與短期的電力電量平衡；另一方面，高比例新能源通過電力電子設備接入電力系統，是電力系統的安全穩定機理複雜化，為電力系統安全穩定運行帶來巨大挑戰。

在此背景下，該論文總結了一套數據驅動的電力系統安全穩定規則提取與内嵌優化運行方法。通過仿真生成海量運行場景與高信息安全穩定數據集，基于可解釋的數據驅動模型學習電力系統安全穩定規則，刻畫解析化的安電力系統安全穩定邊界，然後通過凸化線性化或者引入零一變量的方式，将高精度數據驅動模型轉化為可内嵌電力系統優化運行的規則，在運行優化中考慮安全穩定約束，保證系統的安全穩定運行。

論文研究框架

論文首先分析了高比例新能源對電力系統安全穩定性的影響，指出高比例新能源對頻率穩定、電壓穩定、功角穩定等問題的影響特點，然後綜述了數據驅動的電力系統安全穩定評估方法，重點關注能夠用來刻畫電力系統安全穩定邊界的各種機器學習方法，最後針對各種機器學習模型提出了将機器學習模型轉化為可内嵌優化運行的安全穩定約束的方法，通過實際電力系統仿真驗證了所提方法能夠在運行層面提升電力系統安全穩定性。

電力系統安全穩定規則提取結果示意圖

論文結尾總結了相關工作的兩方面優點：數據驅動方法具有非常強的靈活能，能夠适用于各種新型電力系統面臨的各種安全穩定問題；内嵌安全穩定規則并不影響傳統電力系統優化運行的數據模型，數據驅動方法可以絲滑地集成到現有方法框架中。而後，論文也展望了所提方法未來發展的四個方向：探索更具可解釋性的機器學習模型，将數據驅動模型與模型驅動的方法相結合，堅持在優化中考慮系統的安全穩定性，确保數據驅動的規則在優化運行中的泛化能力。

團隊合影

引文信息：

Ning Zhang, Hongyang Jia, Qingchun Hou, Ziyang Zhang, Tian Xia, Xiao Cai, Jiaxin Wang, Data-Driven Security and Stability Rule in High Renewable Penetrated Power System Operation, in Proceedings of the IEEE, 2022, doi: 10.1109/JPROC.2022.3192719..

Proceedings of the IEEE網站論文介紹頁：

https://proceedingsoftheieee.ieee.org/data-driven-security-and-stability-rule-in-high-renewable-penetrated-power-system-operation/