温佳鑫，卜思齐*，陈麒宇，周博文

基于数据学习的新能源高渗透电网频率风险评估

温佳鑫1，卜思齐1*，陈麒宇2，周博文3

（1．香港理工大学电机工程学系，香港特别行政区 九龙区 999077；2．中国电力科学研究院有限公司，北京市 海淀区 100192；3．东北大学信息科学与工程学院，辽宁省 沈阳市 110819）

新能源正在逐步代替传统发电厂为用户提供电能，但同时也为电网的安全运行带来了潜在的风险。因此，在规划阶段需要全面地对最大频率偏差越线风险进行概率评估。基于蒙特卡罗仿真(Monte Carlo simulation，MCS)的规划方法效率很低，而人工神经网络(artificial neural network，ANN)可以通过对数据的学习做出快速有效的预测。为此，提出一种基于MCS-ANN的区域频率概率评估方法，以实现对区域最大频率偏差越线风险的快速评估。首先，产生大量的随机扰动，仅对小部分扰动进行仿真；然后将这部分数据送入ANN进行训练，并将剩余的大部分扰动送入训练好的ANN进行输出预测；重复以上训练和预测的过程，将多次预测结果的平均值作为最终的预测输出，得到各个风险区间的概率分布情况。最后，在IEEE 10机39节点的系统上验证了所提方法的有效性。

新能源；电网安全；频率风险评估；蒙特卡罗仿真(MCS)；神经网络(ANN)

0 引言

用新能源代替传统的发电厂来为用户提供优质电能是电力系统发展的趋势[1-8]。但是，新能源波动的随机性导致了不稳定的发电功率，从而增加了电网供电系统的不确定性，也为电网的安全运行带来了潜在的风险[9-11]。其中，电网供需不平衡最直接的表现就是频率的变化，当频率超过电网所规定的范围时，会有发电机退出运行或者引发低频减载来保证系统的安全运行[12]。……