Transferable Deep Learning Power System Short-Term Voltage Stability Assessment with Physics-Informed Topological Feature Engineering

要約

ディープラーニング (DL) アルゴリズムは、電力システムの短期電圧安定度 (STVS) 評価に広く適用されています。
ただし、ある電力網で学んだ知識を、トポロジーを変更して他の電力網に移すことは、依然として困難な作業です。
この論文では、生の PMU データからトポロジーを意識した電圧の動的特性を構築することにより、STVS 評価のための転送可能な DL ベースのモデルを提案しました。
無効電力の流れとグリッド トポロジは電圧の安定性に不可欠であるため、トポロジを認識し、物理学に基づいた電圧動的機能を利用して、擾乱後のシステムの動的軌跡からトポロジカル パターンと時間パターンを効果的に表現します。
提案された DL ベースの STVS 評価モデルは、ニュー イングランドの 39 バス システムでランダムな動作条件下でテストされます。
トポロジを認識し、物理学に基づいた電圧動的機能を使用して、短期的な電圧安定状態の 99.99\% の分類精度を備えています。
高い精度に加えて、実験は PMU エラーへの優れた適応性を示しています。
さらに、提案された STVS 評価方法は、微調整後に新しいグリッド トポロジで優れたパフォーマンスを発揮します。
特に、最高の精度は評価で 99.68\% に達し、電力網トポロジーの変化に対する提案モデルの優れた知識伝達能力を示しています。

要約(オリジナル)

Deep learning (DL) algorithms have been widely applied to short-term voltage stability (STVS) assessment in power systems. However, transferring the knowledge learned in one power grid to other power grids with topology changes is still a challenging task. This paper proposed a transferable DL-based model for STVS assessment by constructing the topology-aware voltage dynamic features from raw PMU data. Since the reactive power flow and grid topology are essential to voltage stability, the topology-aware and physics-informed voltage dynamic features are utilized to effectively represent the topological and temporal patterns from post-disturbance system dynamic trajectories. The proposed DL-based STVS assessment model is tested under random operating conditions on the New England 39-bus system. It has 99.99\% classification accuracy of the short-term voltage stability status using the topology-aware and physics-informed voltage dynamic features. In addition to high accuracy, the experiments show good adaptability to PMU errors. Moreover, The proposed STVS assessment method has outstanding performance on new grid topologies after fine-tuning. In particular, the highest accuracy reaches 99.68\% in evaluation, which demonstrates a good knowledge transfer ability of the proposed model for power grid topology change.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google