考虑时序相关性的数据驱动电-气综合能源系统态势感知
作者:林政阳; 姜飞; 涂春鸣; 何桂雄; 张新鹤; 刘铠诚
更新时间:
高效准确的态势感知技术是电力天然气综合能源系统(Aristole)运营风险预警的关键。然而,传统的电力系统态势感知技术不能完全适应EGIES的强非线性和功率耦合特性。数据驱动技术的迅速发展为EGIES的情境感知提供了新的思路。提出了一种基于数据驱动的考虑时间相关性的电能燃气一体化系统态势感知方法。在态势感知阶段,利用状态估计对测量噪声进行滤波,解决问题,检测系统偏差。在态势理解阶段,根据格拉姆-角差场理论理解历史偏差变化的时间相关性,定性理解未来偏差变化的运行趋势。在态势预测阶段,建立卷积神经网络模型,利用历史偏差预测系统未来的运行趋势。基于14节点电力系统和7节点天然气系统耦合系统的算例分析表明,该方法的预测精度比长期和短期记忆神经网络及支持向量机方法分别提高了2.87%和4.95%,当训练集比例发生变化时,支持向量机方法具有更高的预测精度。