面向混合GFM/GFL电力系统跨域小信号稳定性评估的领域对抗动态边图注意力网络
《Journal of Modern Power Systems and Clean Energy》:Domain-Adversarial Dynamic-Edge Graph Attention Network for Cross-Domain Small-Signal Stability Assessment of AC/DC Hybrid GFL/GFM Power Systems
【字体:
大
中
小
】
时间:2026年09月22日
来源:Journal of Modern Power Systems and Clean Energy 6.2
编辑推荐:
随着基于逆变器的可再生能源渗透率不断提高,小信号振荡风险日益加剧,小信号稳定性评估(SSSA)对于电力系统安全运行至关重要。在现代电网中,可再生能源电站通常采用构网型(GFM)和跟网型(GFL)变换器的混合配置,不同电网强度下的控制模式切换进一步增加了稳定性分析的复杂性,并需
随着基于逆变器的可再生能源渗透率不断提高,小信号振荡风险日益加剧,小信号稳定性评估(SSSA)对于电力系统安全运行至关重要。在现代电网中,可再生能源电站通常采用构网型(GFM)和跟网型(GFL)变换器的混合配置,不同电网强度下的控制模式切换进一步增加了稳定性分析的复杂性,并需要及时开展小信号稳定性评估。然而,传统的基于模式的方法计算效率低下,不适合实时应用;而数据驱动的方法在由负荷或拓扑变化引起的分布偏移下往往性能下降。此外,大多数研究要么仅关注低频振荡频段,要么仅关注次同步振荡频段,并且主要针对GFL模式系统,忽略了混合GFL/GFM环境下宽带动力学特性和控制模式间的相互作用。为解决上述局限性,本文提出了一种领域对抗动态边图注意力网络(DADGAT),用于跨域小信号稳定性评估。该方法能够学习跨运行条件的领域不变特征,从而在交直流混合GFL/GFM电力系统的两个振荡频段中实现稳健的阻尼比预测。此外,动态边注意力机制增强了拓扑表征和本地特征提取能力。通过在充足的标注源域基准样本上进行训练,该模型在负荷和拓扑变化的目标域中,即便仅有少量无标签数据也能实现有效泛化。基于改进IEEE 39节点系统和68节点系统的案例研究表明,所提方法在多种场景下均具有准确性和适应性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号