文献类型：期刊文章

作　　者：刘颂凯[1,2] 袁铭洋[1,2] 杨超[1,2] 阮肇华[3] 张磊[1,2] 刘旭[4]

LIU Songkai;YUAN Mingyang;YANG Chao;RUAN Zhaohua;ZHANG Lei;LIU Xu(School of Electrical and New Energy,China Three Gorges University,Yichang 443002,Hubei,China;Hubei Provincial Collaborative Innovation Center for New Energy Microgrid,Yichang 443002,Hubei,China;Ningde Power Supply Company of State Grid Fujian Electric Power Co.,Ltd.,Ningde 352100,Fujian,China;EHV Branch of State Grid Zhejiang Electric Power Co.,Ltd.,Hangzhou 311121,Zhejiang,China)

机构地区：[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]国网福建省电力有限公司宁德供电公司,福建宁德352100 [4]国网浙江省电力有限公司超高压分公司,浙江杭州311121

出　　处：《电网与清洁能源》

基　　金：湖北省自然科学基金(2022CFB825);国家自然科学基金项目(62233006,52007103);电力系统智能运行与安全防御宜昌市重点实验室(三峡大学)开放基金(2020DLXY06);梯级水电站运行与控制湖北省重点实验室(三峡大学)开放基金(2019KJX11)~~。

年　　份：2023

卷　　号：39

期　　号：10

起止页码：9-18

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：该文提出了一种极限梯度提升(extreme gradient boosting,XGBoost)和基于蚁群算法的自适应参数粒子群优化算法(particle swarm optimization algorithm of self-adaptive parameter based on ant colony algorithm,ASPSO)相结合的方法,以实现电力系统暂态稳定预防控制。首先,通过XGBoost模型快速学习系统运行特征与暂态稳定性间的映射关系,给出特征重要性排序,提供一定的模型可解释性。其次,将训练好的XGBoost嵌入暂态稳定约束最优潮流模型作为暂态稳定约束。之后,利用ASPSO算法迭代求解,保证系统暂态稳定的同时,考虑发电机有功出力调整最小化,制定相应预防控制策略。最后,在PSS/E提供的IEEE 39节点系统中进行算例仿真,证明了所提方法的有效性。

关 键 词：暂态稳定 预防控制  XGBoost  ASPSO  

分 类 号：TM712]