基于Koopman时序延拓和CNN-Transformer模型的频率稳定指标预测

杨雨昕; 姚伟; 邓贤哲; 兰宇田; 黄伟; 董诗焘; 翟苏巍; 文劲宇

doi:10.13335/j.1000-3673.pst.2024.0686

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于Koopman时序延拓和CNN-Transformer模型的频率稳定指标预测

电力系统 | 更新时间：2025-12-18

- 基于Koopman时序延拓和CNN-Transformer模型的频率稳定指标预测
- 基于Koopman时序延拓和CNN-Transformer模型的频率稳定指标预测
- 电网技术 2025年49卷第8期页码：3474-3485
- 作者机构：
  
  1. 强电磁技术全国重点实验室(华中科技大学)
  2. 云南电网有限责任公司昆明供电局
  3. 云南电力调度控制中心
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(U22B20111);中国南方电网云南电网有限责任公司科技项目(0500002022030301XT00090)~~
- DOI：10.13335/j.1000-3673.pst.2024.0686
  中图分类号： M712
- 纸质出版：2025
- 稿件说明：
移动端阅览
杨雨昕, 姚伟, 邓贤哲, 等. 基于Koopman时序延拓和CNN-Transformer模型的频率稳定指标预测[J]. 电网技术, 2025,49(8):3474-3485.

杨雨昕, 姚伟, 邓贤哲, et al. 基于Koopman时序延拓和CNN-Transformer模型的频率稳定指标预测[J]. 2025, 49(8): 3474-3485.
杨雨昕, 姚伟, 邓贤哲, 等. 基于Koopman时序延拓和CNN-Transformer模型的频率稳定指标预测[J]. 电网技术, 2025,49(8):3474-3485. DOI： 10.13335/j.1000-3673.pst.2024.0686.

杨雨昕, 姚伟, 邓贤哲, et al. 基于Koopman时序延拓和CNN-Transformer模型的频率稳定指标预测[J]. 2025, 49(8): 3474-3485. DOI： 10.13335/j.1000-3673.pst.2024.0686.

摘要

新能源在能源发电结构中的比重大幅提升使得电力系统惯量水平降低，削弱了系统调频能力，导致频率稳定问题日益突出，因此在大扰动后对低惯量系统进行频率稳定指标预测十分关键。然而现有方法在预测精度与时效性之间存在矛盾，为此提出了一种基于Koopman时序延拓和CNN-Transformer模型的频率稳定指标预测方法，以扰动后的暂态信息作为输入，对频率稳定指标进行快速准确地预测。所提方法基于Koopman算子理论对暂态特征序列在时间维度上进行延拓，以此作为CNN-Transformer模型的输入特征进行频率稳定指标的预测，该方法在满足高精度预测的同时提升了预测的时效性。最后以含风电的IEEE-39节点系统为例进行算例分析，测试结果表明频率偏移极值及其到达时间的平均绝对百分比误差(mean absolute percentage error

MAPE)分别为1.02%和0.11%，均小于当前先进算法，且预测时间仅为一般方法的30%，实验结果表明所提方法相比现有算法具有更高的准确性和时效性。同时通过对注意力权重分布进行可视化，验证了所提模型具有一定的可解释性。

Abstract

关键词

Keywords

references

Chen Qifan,Wang Huaiyuan.Time-adaptive transient stability assessment based on gated recurrent unit[J].International Journal of Electrical Power & Energy Systems,2021.

Anderson P.M.,Mirheydar M..A low-order system frequency response model[J].IEEE Transactions on Power Systems: A Publication of the Power Engineering Society,1990(3).

倪以信, 著.动态电力系统的理论和分析[M].清华大学出版社,2002.

邓贤哲,姚伟,黄伟,翟苏巍,郑超,李文云,文劲宇.基于自适应时间窗的数据-模型融合驱动暂态频率预测[J].电网技术,2024(04).

韩宇超,同向前,邓亚平.基于概率密度估计与时序Transformer网络的风功率日前区间预测[J].中国电机工程学报,2024(23).

高发骏,王怀远,党然.基于Transformer的暂态稳定评估模型的可解释性分析与模型更新研究[J].电力系统保护与控制,2023(17).

李练兵,高国强,吴伟强,魏玉憧,卢盛欣,梁纪峰.考虑特征重组与改进Transformer的风电功率短期日前预测方法[J].电网技术,2024(04).

骆钊,吴谕侯,朱家祥,赵伟杰,王钢,沈鑫.基于多尺度时间序列块自编码Transformer神经网络模型的风电超短期功率预测[J].电网技术,2023(09).

康重庆,杜尔顺,郭鸿业,李姚旺,方宇晨,张宁,钟海旺.新型电力系统的六要素分析[J].电网技术,2023(05).

吴思婕,王怀远.基于集成学习的时间自适应电力系统暂态稳定评估方法[J].电力系统保护与控制,2022(24).

陈海鹏,李赫,阚天洋,赵畅,张忠,于海薇.考虑风电时序特性的深度小波-时序卷积网络超短期风功率预测[J].电网技术,2023(04).

王中冠,刘嘉琛,郭力,臧晓笛,庞家猛,任一飞,张宇轩.基于状态空间映射的模型不完备风电场调频能力在线评估方法[J].中国电机工程学报,2023(03).

房佳姝,刘崇茹,苏晨博,林晗星,郑乐.基于自注意力Transformer编码器的多阶段电力系统暂态稳定评估方法[J].中国电机工程学报,2023(15).

王彦博,吴俊勇,季佳伸,李栌苏,李宝琴.基于深度残差收缩网络的电力系统暂态频率安全集成评估[J].电网技术,2023(02).

赵冬梅,郑亚锐,谢家康,郭育村.基于轻量级梯度提升机和生成对抗网络的含风电电力系统频率稳定评估[J].电网技术,2022(08).

刘翔宇,李晓明,朱介北,段绘策,俞露杰,于腾凯.新型电力系统的频率响应模型综述及展望[J].南方电网技术,2022(10).

张子扬,张宁,杜尔顺,康重庆,王智冬.双高电力系统频率安全问题评述及其应对措施[J].中国电机工程学报,2022(01).

孟安波,陈顺,王陈恩,丁伟锋,蔡涌烽,符嘉晋,周华敏.基于混沌CSO优化时序注意力GRU模型的超短期风电功率预测[J].电网技术,2021(12).

文云峰,杨伟峰,林晓煌.低惯量电力系统频率稳定分析与控制研究综述及展望[J].电力自动化设备,2020(09).

马宁宁,谢小荣,贺静波,王衡.高比例新能源和电力电子设备电力系统的宽频振荡研究综述[J].中国电机工程学报,2020(15).

文云峰,赵荣臻,肖友强,刘祯斌.基于多层极限学习机的电力系统频率安全评估方法[J].电力系统自动化,2019(01).

王路平,谢小荣,刘颖,申洪明.多直流馈入受端电网短期频率稳定性的实时协调控制方法[J].中国电机工程学报,2018(08).

李卫东,晋萃萃,温可瑞,申家锴,刘柳.大功率缺失下主动频率响应控制初探[J].电力系统自动化,2018(08).

张恒旭,李常刚,刘玉田,黄志龙,庄侃沁.电力系统动态频率分析与应用研究综述[J].电工技术学报,2010(11).

武妍,张立明.神经网络的泛化能力与结构优化算法研究[J].计算机应用研究,2002(06).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

模型-数据融合驱动的频率稳定智能增强判别方法

电力网络调频容量释放过程及其指标体系

基于同伦函数的风电系统频率稳定特征值分析

大型并网风电场储能容量优化方案

提升惯量响应与转速恢复的风储协调惯量控制方法