基于零阶优化的频率稳定约束最优潮流方法研究

《IEEE Potentials》:Security-constrained optimal power flow via zeroth-order optimization

【字体: 大 中 小 】 时间:2026年01月05日 来源:IEEE Potentials CS1.3

编辑推荐:

  为解决频率稳定约束最优潮流问题中传统数据驱动方法依赖大量离线仿真、计算效率低的问题,研究人员提出了一种基于零阶优化的交互式优化方法。该方法通过零阶梯度估计实时反馈频率稳定性仿真校验的梯度信息,指导调度方案沿梯度下降方向迭代更新。研究结果表明,相较于传统方法,所提方法在IEEE-9、IEEE-39和PEGASE-89等测试系统中将系统成本降低1.23%,计算效率提升96.48%,显著提高了频率稳定性约束下电力系统经济调度的精度与效率。

  
随着电力系统向碳中和目标加速转型,其运行复杂性日益增加。多样化运行方式和复杂稳定机制对电网安全运行提出严峻挑战,其中频率稳定性问题尤为突出。近年来,全球范围内因线路闭锁、短路等故障引发的频率失稳事件频发,如南澳大利亚电网和大不列颠电力系统的频率失稳事故。频率稳定性正逐渐成为影响电力系统调度的关键因素,未考虑频率稳定约束的调度方案可能导致次优解甚至错误指令。
现有频率稳定约束处理方法主要分为解析建模和数据驱动两类。解析建模方法通过简化系统频率响应模型将非凸频率约束转化为线性约束,但难以准确捕捉实际动态特性;数据驱动方法通过大量离线仿真将频率稳定边界拟合为混合整数线性约束,虽然提高了精度,但存在大量冗余计算,96.36%的仿真数据对边界表征没有贡献,造成计算资源浪费。
为此,研究人员创新性地提出基于零阶优化的频率稳定约束最优潮流解决方法。该方法将仿真驱动的频率稳定性校验与最优潮流进行集成优化,通过零阶梯度估计实时反馈非解析频率约束的梯度信息,指导调度方案沿梯度下降方向迭代修正。首先建立嵌入频率稳定性仿真校验的最优潮流模型,将频率最低点表示为系统状态、调度方案和功率扰动的非解析函数。随后采用多点估计方法计算频率稳定性约束的梯度,通过符号函数修正降低估计方差。最后构建最优潮流与频率稳定性仿真校验的交互优化框架,通过惩罚函数法处理约束条件,实现调度方案的梯度下降更新。
关键技术方法包括:1)基于多点采样的零阶梯度估计技术,通过随机向量扰动生成采样数据;2)仿真与优化的交互机制,将发电机出力输入CloudPSS等仿真平台获取频率动态响应;3)自适应学习率调整策略,控制迭代过程的收敛速度;4)基于IEEE-9、IEEE-39和PEGASE-89等多节点系统的验证方法。
研究结果表明,所提方法在IEEE-9系统中通过33次迭代即可获得最优解,发电机出力分别为95.16MWh、101.84MWh和118.00MWh,系统运行成本为5726.66美元。与传统数据驱动方法相比,仿真次数从2500次减少至99次,计算效率提升96.48%。频率仿真曲线显示,最优解对应的频率最低点恰好为49.75Hz,既保证频率稳定又避免过度保守。在IEEE-39系统中,经过53次迭代后惩罚函数降至零,表明频率稳定性得到满足;PEGASE-89系统也呈现类似收敛特性,验证了方法的可扩展性。
与传统有限差分法相比,零阶优化在高维系统中优势显著:在IEEE-39和PEGASE-89系统中,仿真次数分别减少97.35%和97.00%,且能获得满足频率约束的最优解。学习率参数对迭代效率存在影响,过快或过慢的学习率都会增加迭代次数,但即使在最差情况下,计算效率仍较传统方法提升70%以上。
本研究首次将零阶优化应用于频率稳定约束最优潮流问题,通过梯度估计实现了仿真校验与优化决策的实时交互。该方法避免了传统线性化近似带来的计算误差,显著减少了冗余仿真计算,为含高比例新能源电力系统的动态安全约束经济调度提供了新思路。未来研究将聚焦于梯度估计方法的改进和学习率优化策略,进一步提升计算效率与收敛性能。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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