黄明增，文云峰，苟 竞，江 涵，胥威汀，李 婷

（1. 湖南大学电气与信息工程学院,湖南省长沙市 410082；2. 国网四川省电力公司经济技术研究院,四川省成都市 610041；3. 全球能源互联网集团有限公司,北京市 100031）

0 引言

频率衡量了有功出力和负荷平衡程度,是反映电能质量和系统安全稳定运行的重要指标［1-2］。若扰动事故后系统暂态频率偏移超出容许范围,将触发低频减载、高频切机等装置动作,使得系统面临切机、切负荷风险［3］。随着新能源和直流的大规模密集接入,部分电网常规电源“空心化”趋势逐渐凸显,惯性水平大幅降低,频率调节能力弱化［4］,系统发生严重频率偏移的风险增加［5-6］。因此,有必要加强最大频率偏移实时感知能力,以辅助调度运行人员识别系统可能面临的频率失稳风险,提前做好应急预案,提升系统频率稳定性。

目前,电力系统最大频率偏移分析方法主要包括：时域仿真法［7］、解析模型法［8］和数据驱动法［9］。其中,时域仿真计及了电力系统详细的数学模型,可精确模拟有功扰动后频率响应过程,但建模难度大、计算耗时长；解析模型法将电力系统等值为单机（或多机）带集中负荷模型,计算复杂度有所降低,但由于进行了诸多简化,应用于实际大电网的适应性仍有待加强。

随着同步相量测量单元（synchrophasor measurement unit,PMU）的发展和广泛应用,调度中心积累了大量的监测信息［10］,为基于数据驱动的最大频率偏移预测提供了强有力的数据支撑。基于系统潮流数据和扰动信息,文献［11］利用人工神经网络预测频率极值；……