抗共线性特性的电力系统灵敏度在线正则化辨识及其应用

Conventional power system sensitivity analysis relies on offline system models and may encounter a series of problems in complex power systems, such as the computational complexity, the parameter mismatch between offline system models and actual systems, the calculation inaccuracy, and et al. Existing online sensitivity identification methods suffer from power system collinearity problems - the regression model in the sensitivity identification may be unstable even with large data sets, which makes it difficult to distinguish the effects from different system elements. This project studies the power system collinearity phenomenon. Causes of collinearity and its impacts on the online sensitivity identification are systematically investigated. Practical metrics with the explicit consideration of power system characteristics are developed to evaluate the severity of the collinearity extent. Regularization based anti-collinearity methods are proposed and incorporated into the online sensitivity identification framework that explicitly takes into account the nonlinear and time variation nature of power systems. Finally, two representative applications of the proposed anti-collinearity online sensitivity identification methods are illustrated, the reactive power and voltage sensitivity identification based low voltage load shedding control, and the power flow and the damping ratio sensitivity identification based dynamic stability optimization operation. This project will tackle a series of challenges and bottlenecks encountered in the conventional power system sensitivity analysis that relies on the offline power system models and provide fundamental supports to the online sensitivity identification based applications. As such, the project is valuable for both academic studies and engineering practices.

传统电力系统灵敏度分析需借助系统离线模型，在复杂电网条件下存在计算复杂、离线参数与在线实际不匹配、计算结果不准确等问题。现有灵敏度在线辨识方法受电力系统共线性特性制约，即使在海量数据条件下，仍存在辨识模型数值不稳定问题，难以分辨系统各元件影响。本项目从电力系统共线性特性机理分析入手，明晰共线性产生原理，揭示其对灵敏度在线辨识的影响，提出适合电力系统特性且便于实际应用的共线性强弱程度评价指标体系。在此基础上，引入正则化手段，实现破解共线性特性并适用于非线性时变电力系统的灵敏度在线正则化辨识方法。最后，提出基于无功电压灵敏度辨识的区域低压减载控制策略和基于潮流阻尼比灵敏度辨识的动态稳定优化运行策略，作为抗共线性特性的灵敏度在线辨识典型应用场景。本项目将解决传统电力系统灵敏度分析依赖离线模型所遭遇的一系列瓶颈，为基于灵敏度在线辨识的电力系统在线应用提供基础支撑，在学术和实践应用层面都具有开创性。

本项目的研究目标和主要内容为明晰电力系统共线性特性，研究破解共线性影响的电力系统灵敏度在线辨识方法，构建抗共线性特性的灵敏度在线辨识及其应用架构，并实施于电力系统典型场景中。针对上述主要工作，项目研究顺利完成，其中的主要研究成果包括：通过分析不同时空下的电力系统运行数据，研究了电力系统共线性产生原因和表现特点，提出了共线性是电力系统的一种内部属性；从数值方程的稳定性研究了共线性对基于统计回归学习的灵敏度辨识方法的影响机理，由此提出了灵敏度在线辨识的充要条件，明晰了有效数据和冗余数据的概念，并分析了共线性对有效数据的影响；从求逆矩阵的数值条件提出共线性影响程度的评价指标体系（CN值、MSV值、MEV值），从数据的利用率提出了辨识数据的质量指标（CR值，LDQ值），通过实例仿真，验证了所提指标的实用性；介绍了Tikhonov正则化方法，结合电力系统独有的特性对传统灵敏度辨识方法进行改进，融合“局部加权+岭回归”的思路，提出了局部加权岭回归方法，并通过仿真验证验证了效果；分析了噪声数据对灵敏度辨识的有利和不利影响，提出了基于噪声自助的灵敏度在线辨识方法，通过数学推导证明了所提方法具备抗共线性特性，并进行了仿真验证，能较好地辨识系统的灵敏度参数；提出了基于阻尼比灵敏度在线辨识的系统阻尼趋优框架，具体分析了趋优过程中参数辨识和约束设置问题，在实例中给出了相应的趋优策略，呈现了在低阻尼场景下的机组出力调整过程；构建了电力系统电压逐步趋优的框架，结合无功电压灵敏度在线辨识和时滞控制技术，给出了无功补偿装置的动作量，有效地缩小了节点电压偏差；最后，充分利用电力系统存在的类噪声数据进行二阶灵敏度辨识，分析了电力系统非线性函数的凹凸特性，确定了电压优化过程中的SVC配置策略，并进行了仿真验证。