机理与数据融合驱动的含IIDG配电网短路电流计算方法

• 作者: 刘莹 姜宽 曹建伟 王慧芳 郑翔 陈永炜
• 来源期刊: 电力自动化设备
• 学科: 工学
• 关键词: 逆变器型分布式电源 配电网 短路电流计算 特征分析 机器学习 集成方法
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 智能配电系统专题
• 页码范围: 41-47
• 页数: 7页
• 分类号: TM713
• 语种: 中文
• DOI: 10.16081/j.epae.202010018

摘要

目前含逆变器型分布式电源(IIDG)的配电网短路电流计算主要采用物理建模方法,在IIDG高渗透情况下其在计算速度、准确性、通用性等方面存在不足.因此提出一种机理与数据融合驱动的适用于含IIDG和IIDG高渗透下配电网的短路电流计算方法.为与数据驱动建模的计算方法进行对比,在对含IIDG的配电网进行特征分析的基础上,提出了反映短路电流的2种特征组合方式:一种使用蕴含机理的特征,即将不接入IIDG时配电网的短路电流作为关键特征,另一种则使用配电网特征.通过运行MATLAB/Simulink上搭建的仿真模型自动积累样本集合,使用机器学习中的集成方法(包括随机森林、极限随机树、XGBoost、LightGBM)进行2种特征下的模型训练.在IEEE 34节点系统上验证了集成方法建模的可行性和有效性,同时对比了不同集成方法以及不同特征组合方式的计算误差,结果表明,各集成学习方法均能够准确地进行短路电流计算,机理与数据融合的驱动方法在机理未失效情况下,比单纯的数据驱动模型计算更准确.与物理建模方法的对比结果也验证了所提方法的准确性和快速性.