Multi-objective Transient Stability-constrained Optimal Power Flow Model Considering Source-Load Uncertainties

LIU Songkai; SHI Liangzhi; HU Pan; YANG Chao; LI Yanzhang; WAN Ming

doi:10.20204/j.sp.2025.08005

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

Multi-objective Transient Stability-constrained Optimal Power Flow Model Considering Source-Load Uncertainties

更新时间：2025-10-24

- Multi-objective Transient Stability-constrained Optimal Power Flow Model Considering Source-Load Uncertainties
- Vol. 53, Issue 8, Pages: 37-45(2025)
- 作者机构：
  
  1. 三峡大学电气与新能源学院,湖北,宜昌,443002
  2. 新能源微电网湖北省协同创新中心,湖北,宜昌,443002
  3. 国网湖北省电力有限公司电力科学研究院,湖北,武汉,430077
  4. 国网湖北省电力有限公司武汉市供电公司,湖北,武汉,430010
- 作者简介：
- 基金信息：
- DOI：10.20204/j.sp.2025.08005
  CLC：
- Published：2025
- 稿件说明：
移动端阅览
刘颂凯,时良志,胡畔,杨超,李彦彰,万明.考虑源-荷双端不确定性的多目标暂态稳定约束最优潮流模型[J].智慧电力,2025,53(8):37-45.

LIU Songkai, SHI Liangzhi, HU Pan, et al. Multi-objective Transient Stability-constrained Optimal Power Flow Model Considering Source-Load Uncertainties[J]. 2025, 53(8): 37-45.
刘颂凯,时良志,胡畔,杨超,李彦彰,万明.考虑源-荷双端不确定性的多目标暂态稳定约束最优潮流模型[J].智慧电力,2025,53(8):37-45. DOI： 10.20204/j.sp.2025.08005.

LIU Songkai, SHI Liangzhi, HU Pan, et al. Multi-objective Transient Stability-constrained Optimal Power Flow Model Considering Source-Load Uncertainties[J]. 2025, 53(8): 37-45. DOI： 10.20204/j.sp.2025.08005.

摘要

为应对新能源并网及柔性负荷增长引发的电力系统不确定性问题，提出一种考虑源-荷双侧不确定性的多目标暂态稳定约束最优潮流（MO-TSCOPF）模型及求解方法。首先，采用D-Vine-Copula结合拉丁超立方抽样（LHS）生成风光出力场景，并利用卷积神经网络-长短期记忆网络-注意力机制（CNN-LSTM-Attention）组合模型预测负荷变化；其次，计及系统不确定因素、静态稳定约束与暂态稳定约束，构建以发电燃料成本及传输损耗最小化为目标的MO-TSCOPF模型；最后，采用非支配排序遗传算法Ⅲ（NSGA-Ⅲ）进行求解。算例分析表明，所提模型可有效应对源-荷不确定性，在降低燃料成本和传输损耗的同时，显著提升系统暂态稳定水平。

Abstract

To address power system uncertainties arising from renewable energy integration and flexible load growth， this paper proposes a multi-objective transient stability-constrained optimal power flow （MO-TSCOPF） model incorporating source-load uncertainties and its solution method. First， D-Vine-Copula combined with latin hypercube sampling （LHS） generates wind-PV output scenarios， while a hybrid convolutional neural network-long short-term memory-attention mechanism （CNN-LSTM-Attention） model predicts load variations. Second， accounting for system uncertainties， static stability constraints， and transient stability constraints， an MO-TSCOPF model is formulated with the objective of minimizing both generation fuel costs and transmission losses. Finally， the non-dominated sorting genetic algorithm III （NSGA-III） is employed for solving the model. Case studies demonstrate that the proposed model effectively coordinates source-load uncertainties， reducing fuel costs and transmission losses while significantly enhancing system transient stability.

关键词

Keywords

references

国家能源局.国家能源局发布2023年全国电力工业统计数据[J].电力科技与环保，2024，40（1）：95.

全球能源互联网发展合作组织.中国 2030 年能源电力发展规划研究及 2060 年展望[R].北京：全球能源互联网发展合作组织，2021.

江昌旭，刘晨曦，林铮，等.基于深度强化学习的电力系统暂态稳定控制策略研究综述[J].高电压技术，2023，49（12）：5171-5186.

苏童，刘友波，沈晓东，等.深度学习驱动的电力系统暂态稳定预防控制进化算法[J].中国电机工程学报，2020，40（12）：3813-3824.

王卫，李雅晗，王腾飞，等.考虑源网荷不确定性的电力系统概率暂态稳定预防控制[J].科学技术与工程，2022，22（20）：8718-8726.

周海强，赵春祝，顾婷艳，等.基于高斯混合模型及近似线性规划的风电系统校正控制方法[J].电力自动化设备，2022，42（12）：35-42.

曹宏宇，梁言贺，刘惠颖，等.考虑风-光-储不确定性的新型电力系统概率潮流计算[J].电测与仪表，2024，61（6）：87-93.

张艳，张旭，张静怡，等.考虑风电不确定性的沙戈荒新能源基地交直流混合外送系统最大传输能力评估[J].电力建设，2024，45（12）：174-186.

赵书强，赵蓬飞，韦子瑜，等.数据驱动下考虑多预测误差带信息的多场景随机优化调度[J].电力自动化设备，2024，44（11）：52-59.

朱海军，鞠立伟，杨慧，等.计及不确定性的新型灵活性资源两阶段鲁棒配置优化模型[J].电力建设，2024，45（7）：1-11.

王宇绅，陈皓勇，黄宇翔，等.多重不确定性下的虚拟电厂参与电能量和需求响应市场鲁棒优化调度策略[J].发电技术，2024，45（6）：1173-1185.

XU Y，KORKALI M，MILI L，et al.An iterative response-surface-based approach for chance-constrained ac optimal power flow considering dependent uncertainty[J].IEEE Transactions on Smart Grid，2021，12（3）：2696-2707.

于艾清，濮梦燕，王育飞，等.基于改进鲸鱼算法的分布式电源规划方法[J].电测与仪表，2024，61（8）：63-69.

李小腾，薛成，张艳丽，等.考虑新能源不确定出力的有功无功协调降损控制策略研究[J].电网与清洁能源，2024，40（2）：135-141，148.

税纪钧，彭道刚，宋炎侃，等.计及风光不确定性含碳排放和碳惩罚的虚电厂优化调度策略[J].系统仿真学报，2024，36（2）：305-319.

闻天润，彭道刚，赵慧荣，等.考虑设备风险和风光不确定性的园区综合能源随机优化运行[J].科学技术与工程，2023，23（32）：13861-13871.

SAILOR DJ，SMITH M，HART M.Climate change implications for wind power resources in the Northwest United States[J].Renew Energy，2008，33（11）：2393-2406.

CROOK J A，JONES L A，FORSTER P M，et al.Climate change impacts on future photovoltaic and concentrated solar power energy output[J].Energy & Environmental Science，2011，4（9）：3101-3109.

黄玲玲，马永杰，应飞祥，等.基于剩余寿命预测信息的风电场动态成组维护策略研究[J].电力系统保护与控制，2024，52（16）：178-187.

周文毅，高红均，郭明浩，等.考虑历史数据筛选及关键断面约束的电力系统运行灵活性评估方法[J].高电压技术，2025，51（1）：180-190.

KILLICHES M，KRAUS D，CZADO C.Examination and visualisation of the simplifying assumption for vine copulas in three dimensions[J].Australian & New Zealand Journal of Statistics，2017，59（1）：95-117.

邓佳鑫，熊炜，邹晓松，等.基于改进莱维蛇优化的主动配电网孤岛划分方法[J].电网与清洁能源，2024 ，40（12）：18-26.

黄宇，周新鹏，郭浩德，等.基于参数自适应随机模型预测控制的风光氢耦合系统功率调控策略[J].动力工程学报，2024，44（5）：1109-1117.

潘晓杰，徐友平，解治军，等.堆栈式集成学习驱动的电力系统暂态稳定预防控制优化方法[J].发电技术，2023，44（6）：865-874.

张诗熠，王怀远，李剑，等.基于失稳模式自适应捕捉的暂态稳定评估方法[J].电力系统保护与控制，2024，52（18）：35-44.

朱云辰，程明骏，郑昕文，等.基于优化第三代非支配排序遗传算法的城市应急设施模糊选址[J].浙江大学学报（工学版），2024，58（9）：1832-1843.

CHEN Y B，XU J J.Solar and wind power data from the Chinese state grid renewable energy generation forecasting competition[J].Scientific Data，2022，9（1）：577-589.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

⁰