基于物理-数据融合的富可再生能源电力系统频率响应辨识与紧急切负荷方法

《Energies》：Physics–Data Fusion-Driven Frequency Response Parameter Identification and Emergency Load Shedding in Renewable-Rich Power Systems

　　随着可再生能源渗透率的增加，富可再生能源电力系统的惯性、阻尼和一次频率调节特性呈现出强烈的时变特性，使得用于应急控制计算的固定离线频率响应模型越来越难以维护。本文提出了一种基于扰动后多源量测的物理-数据融合驱动框架，用于频率响应参数辨识、模型验证和紧急切负荷。首先，提出一种质量感知双阶段LSTM-PINN网络，融合多源量测数据，为特定事件提供扰动幅度和物理系统频率响应（SFR）参数的初始估计值；随后通过受限的事件级局部约束细化，使动态参数与量测频率轨迹对齐，同时利用可微SFR约束、关键响应损失和可辨识性正则化来增强物理一致性和参数可区分性。其次，联合评估局部可辨识性、物理参数合理性和轨迹一致性，以表征辨识所得SFR模型的可靠性。最后，基于量测更新后的控制SFR模型，确定满足频率低谷约束的最小紧急切负荷量，并根据电气距离和可用可控容量将切负荷动作分配至候选母线。基于改进的新英格兰39节点系统和富可再生能源的CSEE-FS基准系统的案例分析，评估了该方法的参数辨识精度、模型可靠性、鲁棒性、泛化能力、控制安全性、空间分配效果以及计算效率。