Заявка на патент США на ЭЛЕКТРОМЕХАНИЧЕСКИЙ ПРИВОД Заявка на патент (Заявка № 20210046796 от 18 февраля 2021 г.)

Это приложение является U.S. Национальная фаза заявки РСТ. No. PCT / DE2018 / 100848, поданной 16 октября 2018 г., который заявляет о приоритете DE 10 2018 102 380.4, поданного 2 февраля 2018 г., полное раскрытие которого включено в настоящий документ посредством ссылки.

Настоящее изобретение относится к электромеханическому приводу, подходящему для использования в автомобиле.

Привод известен, например, из DE 10 2014 221 129 A1. Известный привод является частью активного стабилизатора крена и имеет электронный блок, состоящий из различных секций.Первая часть электронного блока представляет собой вращающийся, а вторая часть — невращающийся компонент.

Активный стабилизатор крена с электронными компонентами, вращающимися в одном направлении, также известен из DE 10 2014 222 708 A1. В этом случае датчик, предназначенный для измерения крутящего момента, расположен на водяной стенке планетарной передачи. Электроника представляет собой печатную плату с расположенными на ней датчиками магнитного поля.

Другой стабилизатор крена, который использует обратный магнитострикционный эффект для измерения крутящего момента, описан в DE 10 2013 219 761 B3.В этом случае, помимо крутящего момента, также учитываются поперечные силы по отношению к продольной оси стабилизатора.

Различные конструкции электромеханических стабилизаторов крена для автомобилей описаны также в DE 10 2015 222 068 A1 и DE 10 2015 209 310 A1.

Схема управления магнитоупругим датчиком описана в DE 36 20 412 A1. Эта схема должна быть спроектирована таким образом, чтобы в значительной степени подавлялась зависимость сигнала датчика от расстояния между катушкой датчика и объектом измерения.

Из EP 2 013 598 B1 известно устройство измерения силы для измерения силы в твердотельных накопителях. Это силоизмерительное устройство состоит из пьезорезистивного слоя аморфного углерода.

Желательно получить электромеханический привод, в частности привод активного стабилизатора крена, для автотранспортного средства, который доработан по сравнению с упомянутым уровнем техники, в частности, в отношении производственных аспектов и использование места для установки.

Привод состоит из устройства измерения крутящего момента, основанного на обратном магнитострикционном принципе, которое имеет по крайней мере один электронный блок. Электронный блок имеет печатную плату, которая, по меньшей мере, косвенно соединена с корпусом исполнительного механизма исполнительного механизма посредством заклепочного соединения. Печатная плата представляет собой печатную схему, на которой установлены электронные компоненты электронного блока. Печатная плата — это невращающийся компонент привода.

В принципе заклепочное соединение может быть выполнено либо элементами, которые являются неотъемлемой частью несущего элемента, либо отдельными элементами, т.е.е., заклепки. В последнем случае несущий элемент предпочтительно представляет собой плоский элемент, который закреплен в корпусе исполнительного механизма и соединен с печатной платой с помощью ряда заклепок. Также возможно выполнить несущий элемент как неотъемлемую часть корпуса привода. В этом случае несущий элемент представляет собой металлическую деталь. В противном случае несущий элемент может быть выполнен из металла или пластика.

Независимо от материала, из которого изготовлен несущий элемент, или комбинации материалов, из которой изготовлен несущий элемент, в предпочтительной конструкции между печатной платой и несущим элементом образуется зазор.Этот зазор полезен с точки зрения охлаждения печатной платы. Это также улучшает возможности поглощения деформаций, которые могут возникнуть во время работы привода, особенно в стабилизаторе крена или другом приводе шасси, например, из-за механических нагрузок и / или температурных воздействий.

Печатная плата может быть размещена в корпусе исполнительного механизма таким образом, чтобы нормаль к поверхности печатной платы была выровнена перпендикулярно продольной оси исполнительного механизма.Это означает, что центральная ось корпуса исполнительного механизма, которая имеет основную цилиндрическую форму, расположена параллельно печатной плате.

Привод подходит для использования в качестве привода шасси, например, в системе рулевого управления задней оси или в системе контроля уровня, особенно для контроля уровня. Привод также подходит в качестве привода активного стабилизатора крена для автомобиля.

Если привод сконструирован как привод стабилизатора крена, печатная плата предпочтительно размещается компактным образом в области корпуса привода, которая сужается по сравнению с центральной областью корпуса.Таким образом, практически весь диаметр центральной неконусной области корпуса доступен для генерирующих и передающих усилие компонентов стабилизатора валков.

Например, бесщеточный двигатель постоянного тока (BLDC) используется в качестве электродвигателя в электромеханическом приводе. В качестве редуктора в приводе можно использовать многоступенчатую планетарную передачу или валовую шестерню.

Далее примерный вариант осуществления поясняется более подробно с помощью чертежей.Где:

фиг. 1 показан электромеханический стабилизатор валков на виде сверху,

фиг. 2 показан вид в разрезе привода стабилизатора крена,

фиг. 3 — вид сбоку устройства согласно фиг. 2.

Стабилизатор крена, обозначенный в целом условным обозначением 1 , предназначен для использования в качестве привода шасси в автомобиле. Что касается принципа действия стабилизатора крена 1 , делается ссылка на уровень техники, упомянутый в начале.

Стабилизатор крена 1 содержит электромеханический привод 2 . Привод 2, имеет базовую форму цилиндра с центральной осью, по существу, поперечной продольной оси транспортного средства. Две половинки стабилизатора 3 , 4 соединены с приводом 2 в виде торсионных пружин, которые соединены с не показанным на рисунке кузовом автомобиля посредством подшипников 5 , 6 .Термин «половина стабилизатора» не означает, что обе половины стабилизатора 3 , 4 должны иметь одинаковые размеры. Фактически, нецентральное расположение привода 2 в шасси также возможно. На концах половинок стабилизатора 3 , 4 , обращенных в сторону от привода 2 , образованы соединительные детали 7 , 8 , которые служат шарнирно-сочлененным соединением с колесными опорами автомобиля.

Корпус привода с маркировкой 9 электромеханического привода 2 имеет фланец 10 с левой стороны на ФИГ.1, который соединен с половиной стабилизатора 3 . Центральная, по существу цилиндрическая область корпуса 12 корпуса привода 9 соединена с фланцем 10 . На правой стороне центральной области корпуса 12 находится коническая, также цилиндрическая область корпуса 11 , основанная на расположении на фиг. 1. Половина стабилизатора 4 вставляется через коническую область корпуса 11 в корпус привода 9 .

Внутри конической области корпуса 11 находится устройство для измерения крутящего момента 13 , которое предоставляет информацию о крутящем моменте, действующем в приводе 2 согласно обратному магнитострикционному принципу.

Устройство для измерения крутящего момента 13 состоит из печатной платы 14 , на которой расположены электронные компоненты (не показаны на иллюстрации) и, таким образом, образуют электронный блок. Печатная плата 14 закреплена на несущем элементе 15 с помощью заклепок 16 , 17 .Между несущим элементом 15 и печатной платой 14 образован зазор Sp, так что печатная плата 14 в значительной степени приподнимается с несущего элемента 15 . В противном случае, а именно в области заклепок 16 , 17 , даны контактные поверхности 18 , 19 , в которых печатная плата 14 контактирует с несущим элементом 15 .

Плоский несущий элемент 15 закреплен в конической области корпуса 11 внутри привода 2 с маркировкой IR.Как видно на фиг. 3, заклепочное соединение, выполненное с помощью заклепок 16 , 17 , которые имеют общую маркировку 20 , чрезвычайно компактно, особенно в направлении, перпендикулярном плоским элементам 14 , 15 , т.е. радиальное направление корпуса привода 9 . Центральная ось привода 2 , которая совпадает с осью поворота половин стабилизатора 3 , 4 , расположена параллельно печатной плате 14 и несущему элементу 15 .Лишь небольшая часть печатной платы 14 выступает в центральную область корпуса 12 . Эта область корпуса , 12, содержит не показанные электромеханические компоненты, то есть электродвигатель и редуктор привода 2 .

• 1 Стабилизатор крена
• 2 Привод
• 3 Половина стабилизатора
• 4 Половина стабилизатора
• 5 Подшипник 7 Подшипник
• Соединительный элемент
• 8 Соединительный элемент
• 9 Корпус привода
• 10 Фланец
• 11 Коническая часть корпуса
• 12 Центральная часть корпуса
• 13 Устройство измерения крутящего момента
9073 14 Печатная плата
• 15 Несущий элемент
• 16 Заклепка
• 17 Заклепка
• 18 Зона распределения
• 19 Зона распределения
• 20 Заклепочное соединение
905
• S p Gap

Frontiers | Демпфирование электромеханических колебаний на основе искусственного интеллекта с помощью преобразователя, подключенного к сети

1 Введение

Модернизация энергосистем в интеллектуальные сети (SG) направлена ​​на интеграцию информационных и коммуникационных технологий с электросетью, таким образом формируя киберфизическую систему ( Алим и др., 2020). В отличие от традиционной схемы работы, SG усиливает интеграцию преобразователей, подключенных к сети (GCC), которые обычно основаны (но не ограничиваются ими) на основе возобновляемых источников энергии (ВИЭ) и систем хранения энергии (ESS) (Kempener et al. , 2013). Этот сдвиг парадигмы, то есть от централизованной к децентрализованной структуре, может повысить устойчивость и эффективность энергосистем при одновременном снижении затрат и потерь мощности (Howell et al., 2017; Aleem et al., 2020). Хотя GCC обладает финансовыми и экологическими преимуществами, они также могут повлиять на стабильность системы.Например, изменчивость выработки ВИЭ, вызванная изменяющимися погодными условиями, создает дисбаланс мощности, который приводит к колебаниям частоты (Bessa et al., 2014). Популярным решением является объединение ВИЭ с аккумуляторной ESS, которое снижает изменчивость генерации, соответственно вводя или поглощая мощность (Beaudin et al., 2010). Однако эти ресурсы зависят от GCC для преобразования постоянного тока в переменный (Masters, 2013), поэтому ожидается, что с учетом текущих тенденций силовая электроника в конечном итоге будет доминировать в будущих SG.

GCC является основной технологией для взаимодействия ВИЭ и ESS с сетью из-за его высокого уровня гибкости и эффективности (Lai and Kim, 2016). Аппаратное обеспечение GCC обычно состоит из модуля питания на базе IGBT, выходного фильтра для подавления коммутируемых гармоник и микропроцессорного контроллера для реализации алгоритмов управления. Для обеспечения быстрой и надежной работы GCC часто используется каскадная структура управления (Rocabert et al., 2012). Для GCC, следующих за сетью, основные контуры управления включают в себя контроллер тока, контур фазовой автоподстройки частоты (PLL) и контроллер мощности.Принимая во внимание, что GCC, формирующий сетку, особенно основанный на концепции виртуальной синхронной машины, обычно заменяет PLL контроллером синхронизации на основе баланса мощности, который, как было доказано, более дружественен к сетке (Rodríguez et al., 2018).

Помимо изменчивости генерации ВИЭ на базе GCC, растущее проникновение силовой электроники связано с определенными проблемами, которые имеют более глубокое влияние на надежность энергосистем. Например, в отличие от традиционных электростанций с синхронными генераторами, таких как угольные и гидроэлектростанции, силовые электронные устройства не имеют механических частей и / или вращающихся масс.Поэтому инерция таких систем намного ниже (если не нулевая). Это означает, что общая инерция ослабевает по мере того, как все больше и больше электронных устройств подключаются к системе, изменяя ее динамическое поведение (Kroposki et al., 2017), намного быстрее реагируя на непредвиденные обстоятельства (Fang et al., 2019). Разумно возникают опасения относительно стабильности угла ¹ ротора системы.

Недавние исследования показывают, что более широкое распространение силовой электроники связано с 1) появлением дополнительных низкочастотных электромеханических колебаний и 2) уменьшением затухания существующих (ENTSO-E, 2019).Несмотря на то, что этот тип колебаний существует в энергосистемах с момента первого соединения нескольких генерирующих блоков, размер и сложность сегодняшних энергосистем делают их более частыми. Постоянные колебания или колебания мощности с увеличивающейся амплитудой могут привести к нестабильности, поэтому гашение таких колебаний обязательно для обеспечения стабильной и надежной работы. Например, в течение 2003 г. низкочастотные колебания, приведшие к повсеместным отключениям электроэнергии, были зарегистрированы в Италии (Berizzi, 2004), США (Andersson et al., 2005) и Китая (Prasertwong et al., 2010). Совсем недавно, в 2017 году, определенная последовательность событий вызвала недемпфированный режим, вызвавший низкочастотные колебания между южной Италией и Германией (ENTSO-E, 2018), которые благодаря надлежащей координации и быстрому реагированию со стороны системных операторов были быстро устранены. контроль.

Традиционно стабилизатор энергосистемы (PSS) используется для улучшения демпфирования низкочастотных электромеханических колебаний, которые обычно лежат в диапазоне 0.1-1,0 Гц (межзональные режимы) и 1,0-2,0 Гц (локальные режимы). Общая структура PSS основана на следующих основных блоках: фильтр нижних частот, фильтр размывания, усиление и фазовый компенсатор (ы) опережения-запаздывания (IEEE, 2016). Другие типы PSS включают тип PSS2C с двумя входами, который использует комбинации сигналов электроэнергии и скорости для интеграции ускоряющей мощности для повышения чувствительности к изменениям механической мощности, и многодиапазонный тип PSS4C, используемый для атаки колебаний на разных частотах (IEEE, 2016).Несмотря на то, что PSS представляет собой экономичный подход к ослаблению электромеханических низкочастотных колебаний, периодическая настройка их параметров снижает их производительность из-за неспособности адаптироваться к постоянно меняющимся условиям эксплуатации. В зависимости от типа PSS и стратегии настройки количество настраиваемых параметров может варьироваться. Например, типичный PSS состоит из 6 (т. Е. Усиления и пяти постоянных времени), тем не менее, путем стратегического выбора определенных постоянных времени, которые необходимо зафиксировать, параметры, которые необходимо оптимизировать, можно уменьшить вдвое [Shin et al.(2010); Farah et al. (2012); Hu et al. (2018)]. Тем не менее, большое количество параметров делает задачу онлайн-настройки очень сложной и сложной. Кроме того, поскольку количество синхронных электростанций, работающих на ископаемом топливе, будет медленно уменьшаться (Fang et al., 2019), можно с уверенностью сказать, что количество устройств PSS, установленных в системе, будет следовать той же тенденции.

К счастью, быстрая реакция силовой электроники может помочь в обеспечении стабильности системы посредством правильного алгоритма управления.Было показано, что законы управления, подобные PSS, могут быть реализованы в сетевом преобразователе мощности для гашения субсинхронного резонанса (Wang et al., 2015; Varma and Salehi, 2017). Например, в (Varma and Salehi, 2017) регулятор демпфирования, основанный на измерениях частоты сети, предлагается для фотоэлектрических (PV) солнечных ферм. В этой работе фотоэлектрическая электростанция используется как STATCOM ² , выходная мощность которого соответствует изменению частоты, измеренной в точке общего соединения (PCC).Однако основным недостатком методов управления на основе PSS является то, что они основаны на измерениях частоты, которые на самом деле являются зашумленными. Недавно появилась новая концепция управления, называемая преобразователем мощности, формирующим сеть, как идеальный кандидат для повышения стабильности энергосистемы (ENTSO-E, 2019; Tarrasó et al., 2019). Имитируя динамику синхронного генератора, преобразователи, формирующие сетку, могут предоставлять, помимо услуг поддержки сети, возможность онлайн-настройки для соответствия требованиям системного оператора при изменении условий.Хотя демпфирование, обеспечиваемое преобразователем мощности, формирующим сеть, является значительным, в основном оно происходит из-за виртуальной инерции, которая обычно ограничивается системными требованиями. В попытке отрегулировать коэффициент демпфирования без изменения виртуальной инерции в (Rodriguez Cortes et al., 2014) представлен селективный демпфер колебаний мощности для виртуальной синхронной машины. В этом исследовании коэффициент затухания устанавливается индивидуально для каждого режима с помощью полосовых фильтров. Этот подход оказался очень эффективным при наличии информации о частоте колебаний.Однако на практике из-за динамического характера энергосистем получить такую ​​информацию нетривиально.

Развитие информатики и вычислительной мощности позволяет использовать ИИ для получения моделей, которые могут предоставить информацию, которую иначе было бы трудно или невозможно получить. Киберфизическая структура SG способствует более быстрому обмену информацией через современные сети связи, тем самым открывая путь для применения ИИ в энергосистемах.Учитывая также широкое распространение блоков измерения фазоров (PMU) с частотой дискретизации около 20 мс (De La Ree et al., 2010), мониторинг такой динамики системы становится более эффективным. Естественно, измерение системных переменных с высоким разрешением приводит к быстрому росту количества доступных данных. Было показано, что эти данные содержат бесценную информацию, которую можно использовать с помощью методов искусственного интеллекта (ИИ) и машинного обучения, чтобы обеспечить быстрые и точные оценки состояния стабильности системы.Например, в (Zhou et al., 2017) разработан ансамбль машин опорных векторов для прогнозирования переходной стабильности после серьезного возмущения. Более того, (Liu et al., 2018) использует ансамбль мешков под названием Random Forests (RF) для обнаружения нестабильности в датской энергосистеме с учетом ошибок прогнозирования генерации ВИЭ. Точно так же (Sulla et al., 2014) обучает нейронную сеть классифицировать рабочие точки на избыточное или недостаточное демпфирование на основе фиксированного коэффициента демпфирования.

Исходя из вышесказанного, в этой статье разработан многодиапазонный интеллектуальный демпфер колебаний мощности (MiPOD), обеспечивающий дополнительное демпфирование для двух низкочастотных режимов электромеханических колебаний.В отличие от различных исследований, представленных выше, MiPOD обучен отслеживать частотные характеристики двух режимов (т.е.частоту режима) с использованием радиочастотного ансамбля, когда активная и реактивная мощность нагрузок в системе изменяются случайным образом. Предлагаемый контроллер оценивается по нескольким сценариям непредвиденных обстоятельств и в рабочих точках с использованием двухуровневой системы (Kundur et al., 1994). Вклады данной работы:

• Продемонстрировать, что ИИ можно использовать для предоставления информации контроллерам, которую ранее не могли получить.

• Покажите, что несинхронные распределенные электростанции могут поддерживать систему, обеспечивая демпфирование, подобное PSS.

• Докажите, что путем настройки только двух параметров MiPOD можно повысить общую стабильность системы для более широкого диапазона рабочих точек.

• Разработайте вариант контроллера iPOD, представленный в Baltas et al. (2020), чтобы ослабить несколько колебательных режимов, а не только один. Особое внимание было уделено разделению двух полос частот для обеспечения эффективности демпфирования.

Остальная часть статьи построена следующим образом. В разделе 2 представлен обзор участия GCC в гашении колебаний мощности. В разделе 3 подробно описывается структура MiPOD, включая предсказатель AI. В разделе 4 обсуждаются характеристики тематического исследования. Наконец, в разделах 5, 6 представлены результаты и выводы соответственно.

2 Преобразователь, подключенный к сети, для гашения механических колебаний

В течение последнего десятилетия неуклонно увеличивалось количество установок крупномасштабных электростанций на базе GCC, таких как ветряные и фотоэлектрические электростанции (Aleem et al., 2020). В результате исследовательские усилия сосредоточены на затухании механических колебаний в системе. Несмотря на то, что маломасштабные станции на базе GCC не могут влиять на слишком большие колебания мощности, крупномасштабные системы на основе GCC могут обеспечить существенную поддержку сети для более широкого диапазона непредвиденных обстоятельств.

Обычно отклонения частоты в системе обычно сочетаются с колебаниями мощности в больших энергосистемах. В (Varma and Akbari, 2020) представлена ​​методика демпфирования колебаний мощности, основанная на модуляции реактивной мощности с учетом крупномасштабной фотоэлектрической установки как устройства STATCOM.Авторы выделяют эффекты демпфирования колебаний реактивной мощности в сочетании с регулятором быстрого регулирования частоты. Управляющий сигнал для гашения колебаний основан на частотных измерениях системы. Тем не менее, отклонение напряжения, необходимое для ослабления колебаний, определяется размывающим фильтром и фазовым компенсатором.

Аналогичным образом, в (Knüppel et al., 2013) гашение колебаний мощности обеспечивается ветроэлектростанцией 4-го типа. Ветроэлектростанция состоит из 150 отдельных ветряных турбин, которые разбросаны по обширной географической области, чтобы минимизировать изменчивость генерации.В статье предлагается модуляция активной и реактивной мощности для подавления колебаний системы. Эффективность модуляции активной мощности по отношению к гашение колебаний связано с расстоянием между ветряной турбиной и PCC. Кроме того, следует отметить, что модуляция активной мощности в ветряных электростанциях возможна только тогда, когда не возбуждаются колебания на механической резонансной частоте ветряной турбины. Что касается модуляции реактивной мощности, расположение и условия эксплуатации установки сильно влияют на чувствительность системы.

Общая структура контроллера POD, который основан на реализации PSS для синхронных генераторов, изображена на рисунке 1. Контроллер основан на измерениях частоты сети, и основными блоками являются усиление, фильтр размывания и фазовая компенсация. фильтры, установка может генерировать желаемое количество компенсационной мощности. Ссылки Варма и Акбари (2020) и Чжоу и др. (2017) используют фильтр смыва в дополнение к устройству фазовой компенсации, чтобы обеспечить модуляцию реактивной мощности.Напротив, в (Knüppel et al., 2013) для компенсации фазового сдвига используется простой фильтр нижних частот.

РИСУНОК 1 . Обычный контроллер POD для преобразователя, подключенного к сети.

Хотя вышеупомянутые реализации появляются во многих статьях из-за их сходства с PSS, эта структура в значительной степени зависит от блока фазовой компенсации и от измерения частоты системы. Кроме того, модуляция реактивной мощности может вызвать проблемы со стабильностью напряжения, поскольку обычно крупномасштабные распределенные электростанции расположены географически далеко от центров нагрузки, что означает, что они обычно подключены к слабым системам передачи.

В этом документе представлен альтернативный подход для GCC для обеспечения демпфирования колебаний мощности, основанный на модуляции активной мощности, которая полагается на AI для определения частоты межзональных и локальных режимов в системе при изменении рабочих условий.

3 Предлагаемый MiPOD для преобразователя мощности на основе SPC

На рисунке 2 показана общая структура управления MiPOD для преобразователей мощности, формирующих сеть, на основе синхронного контроллера мощности (SPC). Распределенная электростанция состоит из двух центральных преобразователей энергии, подключенных к электрической сети с недостаточным демпфированием.Электростанция управляется контроллером электростанции с использованием 1) измерений на PCC и 2) векторных измерений от WAMS. SPC в основном отвечает за сетевые возможности контроллера электростанции. Кроме того, чтобы позволить GCC вести себя как синхронная машина, используются как контроллер контура питания (PLC), так и MiPOD. В частности, передаточная функция для ПЛК задается как:

, где H — инерция, а D — демпфирование эмулируемой синхронной машины.MiPOD, о котором будет сказано ниже, реализуется параллельно с ПЛК.

РИСУНОК 2 . Общая структура предлагаемого MiPOD для преобразователя мощности на базе SPC.

Следует отметить, что выходной сигнал ПЛК представляет собой угловую частоту, которая эквивалентна частоте ротора синхронной машины. Однако для того, чтобы SPC имитировал угол индуцированного напряжения, угловая частота ( ω ) должна быть интегрирована как:

Блок генератора опорной мощности (PRG) генерирует опорную мощность (Pref) с использованием внутреннего угла θ , измеренный угол сетки θpcc и величина напряжения Vpcc.Стоит отметить, что эти сигналы обратной связи (θpcc, Vpcc, Ppcc) измеряются в PCC с помощью PMU. Эта ссылка определяет количество активной мощности, которая должна быть произведена GCC. PRG разработан с учетом следующего хорошо известного уравнения:

, где R и X — виртуальное сопротивление и импеданс, Vpcc — среднеквадратичное значение напряжения сети, а Vref — номинальное напряжение сети. Для системы передачи, в которой сопротивление намного ниже индуктивности, термин R можно опустить.Следовательно, уравнение. 3 можно переписать как:

Эталонная мощность делится между двумя преобразователями мощности в установке с использованием весовых коэффициентов:

3.1 Многодиапазонный демпфер колебаний мощности

Блок-схема многодиапазонного демпфера колебаний мощности показана на рисунке 3. Он состоит из частотно-избирательного демпфера колебаний мощности и предсказателя AI. В частотно-избирательном демпфере колебаний мощности имеется два полосовых фильтра и два блока, реализующих уравнение качания.Полосовой фильтр определяется как:

, где м может быть либо l для локального режима, либо i для межзонный режим, ζi — коэффициент демпфирования, а ωc — центральная частота фильтра. Эмулированное уравнение качания для каждой частоты имеет следующий вид:

РИСУНОК 3 . Блок-схема управления MiPOD.

Преимущество MiPOD состоит в том, что он позволяет контролировать участие силовой установки в гашении механических колебаний, регулируя виртуальную инерцию.Схема развязки используется для улучшения фильтрующего отклика полосового фильтра. Для дальнейшего исследования динамики развязывающей сети уравнения. 6, 7 можно переставить следующим образом:

Частотная характеристика вышеупомянутых передаточных функций показана на рисунке 4. Наблюдая за фигурой, можно увидеть, что прирост амплитуды двух режимов весьма схож, если не используется развязывающая сеть. Это указывает на то, что две петли сильно связаны, что может повлиять на реакцию демпферов.Кроме того, настройку каждого демпфера по отдельности невозможно, что создает дополнительные трудности. С другой стороны, с помощью схемы развязки входные сигналы для локальных и межзональных демпферов хорошо развязаны. Например, возвращая выходной сигнал Gbpf, i на вход Gbpf, l, формируется полосовой фильтр для демпфера локальных мод в точке ωc, i. Таким образом, оба демпфера действуют только на настроенной частоте. Причем подбор параметров для каждой заслонки можно производить отдельно.

РИСУНОК 4 .Частотная характеристика развязывающей сети в уравнениях. 8, 9.

3.2 Предиктор частоты колебаний на основе AI

Прогнозирование частоты целевых колебаний жизненно важно для MiPOD, чтобы обеспечить необходимое демпфирование для их ослабления. Особенно сложно получить такую ​​информацию в Интернете. Например, модальный анализ может вычислять собственные значения системы путем линеаризации моделей системы вокруг точки равновесия (установившегося состояния). Хотя это очень точный подход, он требует много времени и не подходит для онлайн-приложений, потому что линеаризованные модели необходимо обновлять в соответствии с изменяющимися рабочими условиями, чтобы результаты отражали реальность (Kontis et al., 2018). Методы, основанные на измерениях, такие как Прони и быстрое преобразование Фурье, и многие другие, извлекают модальные характеристики системы с помощью методов обработки сигналов, которые достаточно быстры для онлайн-приложений. Однако, чтобы минимизировать влияние шума, в этих подходах обычно используются модели высокого порядка, которые генерируют искусственные моды, которые трудно идентифицировать и отбрасывать (Kontis et al., 2018). Кроме того, эффективность таких методов в СГ с преобладанием силовой электроники еще полностью не изучена (Контис и др., 2018).

Помимо вышеупомянутых проблем, традиционные методы обработки сигналов требуют зондирующего сигнала (искусственного или естественного возмущения) и временного окна, достаточно широкого для захвата медленных электромеханических колебаний [TP462 (2012)]. Однако обеспечение оптимальных возможностей демпфирования зависит не только от точности оценки частоты моды, но и от ее скорости. Как показано на рисунке 5, методы, основанные на измерениях, должны отслеживать сигналы обратной связи в течение нескольких секунд для точного прогнозирования, однако такая задержка будет ограничивать демпфирование, обеспечиваемое MiPOD.

РИСУНОК 5 . Сравнение предлагаемого подхода к оценке режима на основе ИИ и традиционных методов обработки сигналов. Правильно обученная модель ИИ может обеспечить быструю и точную оценку частоты режима быстрее, чем обработка сигнала.

Возможности моделирования ИИ становятся все более и более привлекательными как средство использования информационной и коммуникационной сети WAMS (Gopakumar et al., 2014; Senesoulin et al., 2019). AI может преодолеть проблемы традиционных методов с разумной вычислительной мощностью и высокой скоростью обработки.В частности, машинное обучение способно вывести функции, которые связывают системные переменные с другими системными переменными или некоторыми индексами стабильности: задача, широко известная как контролируемое обучение, где пары ввода-вывода используются для разработки модели, как показано на рисунке 6. В частности, это В документе ИИ используется для разработки модели, которая будет использовать информацию WAMS для прогнозирования частоты колебаний двух режимов (вместо одной, как в Baltas et al. (2020)) на основе данных устойчивого состояния, как показано на рисунке 5.

.Концептуальное представление контролируемого обучения.

Для разработки указанной модели необходимо создать базу данных, которая будет содержать достаточное количество состояний системы вместе с соответствующими частотами режимов. База данных должна содержать пары ввода-вывода, которые будут использоваться для 1) обучения и 2) тестирования производительности. В этом случае эти входные данные или примеры являются системными переменными, тогда как выходы или метки — это частоты двух режимов для каждого примера. Условия системы изменяются с помощью случайных коэффициентов, которые увеличивают или уменьшают активную и реактивную мощность нагрузки для имитации изменений потребления.Процесс создания данных графически проиллюстрирован на блок-схеме, представленной на рисунке 7. Наконец, база данных состоит из примерно 23 000 примеров и меток. Каждый пример представляет собой уникальную последовательность значений, соответствующих 22 некоррелированным системным переменным.

РИСУНОК 7 . Блок-схема создания базы данных.

3.2.1 Случайные леса

Среди большого разнообразия алгоритмов машинного обучения в этой статье используется особый случай ансамбля, называемый случайными лесами (RF), для прогнозирования целевых частот мод.Ансамбль направлен на улучшение общей производительности нескольких отдельных моделей машинного обучения, которые (обычно) имеют низкую производительность, путем их объединения (Duda et al., 2001). Точно так же RF объединяет Q деревьев решений, размещенных параллельно, с использованием рандомизированной процедуры для обучения отдельного дерева решений Qr (Breiman, 2001; Louppe, 2014), где r∈ {1,…, Q}. Деревья решений просты и понятны (см. Рисунок 8), устойчивы к типам и масштабам входных данных и, кроме того, не делают никаких предположений относительно основного распределения данных (т.е., непараметрический). Однако они имеют тенденцию чрезмерно соответствовать обучающим выборкам, что приводит к высокой ошибке обобщения (Theodoridis and Koutroumbas, 2008).

РИСУНОК 8 . Примерное дерево решений в случайных лесах.

Решающим шагом к разработке дерева решений на каждом нетерминальном узле является выбор критерия разделения. В задаче регрессии, такой как в этой статье, критерий разделения определяется таким образом, чтобы падение примесей от родительских узлов к дочерним было максимальным (Theodoridis and Koutroumbas, 2008), как в уравнении.Значение t рассчитывается согласно формуле. 12.

Часть одного из 1000 деревьев решений предсказателя частоты режима RF MiPOD изображена на рисунке 8. Каждый узел представлен прямоугольником, который инкапсулирует всю информацию, характеризующую этот узел. Критерий разделения находится вверху, за которым следует MSE и количество выборок, выделенных на этом узле. Внизу показаны прогнозируемые значения частоты межзонального и локального режима. Обратите внимание, что путь принятия решения от вершины к конечным узлам (обозначен зеленым контуром) прост и легко интерпретируется.t = 1Nt∑p∈St (y (p)) (12)

3.2.2 Сравнение одномерной и многомерной структуры случайного леса

Разработка предиктора частоты для двух режимов может быть спроектирована как одномерная или многомерная множественная регрессия. В первом случае разрабатываются две модели прогнозирования для прогнозирования частоты определенного режима, как показано на рисунке 9, а во втором — единая модель прогнозирования, предназначенная для прогнозирования обеих частот одновременно, как показано на рисунке 10. Несмотря на это, одномерный / Multivariate RF обучен предсказывать частоту двух режимов (межзональный и локальный), в то время как его производительность оценивается с помощью 5-кратной схемы перекрестной проверки.Как правило, для получения лучшего приближения к истинной ошибке используется метод k-кратной перекрестной проверки (Shalev-Shwartz and Ben-David, 2017). Для этого из исходного набора обучающих данных создаются k подмножеств равного размера, а модель прогнозирования обучается с использованием уникальной комбинации k-1 складок и тестируется с остатком. K-кратное предсказание — это просто среднее предсказание по всем моделям. Для количественной оценки производительности разработанных моделей используются два показателя: R2 Score Eq. 13 и средней абсолютной погрешности (MAE) Eq.i | (14)

РИСУНОК 9 . Одномерная структура 5-кратного перекрестного прогнозирования частоты в межзонном и локальном режимах.

РИСУНОК 10 . Многомерная структура 5-кратного перекрестного прогнозирования частоты в межзонном и локальном режимах.

Сравнение производительности и времени обработки двух схем представлено в таблице 1. На основе этих результатов обнаруживается компромисс между точностью прогнозирования и скоростью обработки. В частности, точность прогноза для обеих частот с использованием отдельных моделей выше, хотя скорость обработки меньше.Напротив, время, необходимое для получения прогноза с помощью многомерной модели, быстрее, а точность немного снижается. Учитывая, что два типа моделей прогнозирования имеют одинаковую производительность, решающим фактором является скорость обработки. Поэтому на основе результатов таблицы 1 принят подход многомерной регрессии. Однако обратите внимание, что при использовании параллельных вычислений разрыв в скорости обработки может быть меньше.

ТАБЛИЦА 1 . Производительность РФ на тестовом наборе.

3.3 Анализ производительности многомерного случайного леса

Анализируя кривые обучения многомерной модели с наименьшей ошибкой, то есть RFBest, необходимо сделать несколько комментариев. Например, разрыв между ошибкой перекрестной проверки и ошибкой обучения уменьшается, когда размер обучения увеличивается, как это видно на рисунке 11. Предполагая, что эта тенденция остается прежней, добавление около 5000 выборок еще больше уменьшит ошибку. Тем не менее, добавление большего количества не сильно повлияет на производительность, а вместо этого время установки может быть увеличено вдвое.Кроме того, стоит упомянуть атрибут РФ — это присущая ему способность ранжировать входные переменные в соответствии с их вкладом в процесс принятия решений. В частности, эта мера на основе примесей основана на вычислении средней капли примеси, ΔI (t), каждой характеристики по всем деревьям решений ансамбля Raschka and Mirjalili (2019). Такой атрибут особенно важен для удаления ненужных функций, что снижает размерность и сложность задачи и одновременно повышает скорость и производительность.Например, в этом случае на Рисунке 12 показаны наиболее важные особенности w.r.t. их участие в принятии решений. В частности, если применяется жесткий порог около 0,025, то установка единиц измерения может быть ограничена только 6 шинами вместо 14.

РИСУНОК 11 . Изучение кривых лучшего многомерного случайного леса.

РИСУНОК 12 . Важность функции Random Forest.

4 Настройка проверки

Производительность предлагаемого MiPOD демонстрируется на двухуровневой системе (Kundur et al., 1994), как показано на рисунке 13. Это хорошо известная система, которая позволяет изучать электромеханические колебания, особенно между двумя взаимосвязанными областями. Система реализована на DIgSILENT Powerfactory 2019, кроме того, Python API платформы моделирования используется при разработке скрипта для автоматизации и оптимизации процесса экспериментального исследования. Для целей данного исследования два несинхронных генерирующих блока, представляющих распределенные электростанции, подключены к B10 через виртуальные синхронные преобразователи энергии.Номинальная полная мощность для каждой установки составляет 100 МВА, около 2,8% полной полной мощности для четырех синхронных генераторов (G1 – G4).

РИСУНОК 13 . Модифицированная двухуровневая система.

Как правило, существует три электромеханических режима колебаний в двухзонной системе: межзональный режим с частотой 0,55 Гц, локальный режим между G1 и G2 (в зоне A) с частотой 1,05 Гц и локальный режим между G3 и G4. (в области B) при 1,1 Гц. Разработанный MiPOD направлен на защиту системы от низкочастотных колебаний путем демпфирования межзонального режима и локального режима в зоне B.После подключения РЭС частота межзонального режима увеличилась до 0,61 Гц, а местного — до 1,14 Гц.

Кроме того, предполагается, что глобальная система мониторинга, оснащенная блоками измерения векторов и концентраторами векторных данных, обеспечивает полную наблюдаемость системы путем записи, хранения и передачи необходимых сигналов на MiPOD, установленный в DPP. Полный список сигналов обратной связи для MiPOD представлен в таблице 2.Выбор этих сигналов был достигнут с помощью алгоритма исключения рекурсивных признаков (REF) [Guyon et al. (2002)]. Из таблицы 2 видно, что алгоритм REF определяет, что важными переменными на шинах генератора являются величина напряжения, а на шинах нагрузки — активная и реактивная мощность. Также обратите внимание, что последние два были использованы для расчета коэффициента мощности, который имел более высокий коэффициент важности на Рисунке 12.

ТАБЛИЦА 2 . Список сигналов обратной связи.

5 Результаты

Электромеханические колебания естественным образом существуют в системе из-за взаимодействия между генерирующими установками и обмена энергией между ними (Grigsby, 2007).Обязательным фактором, влияющим на демпфирование и частоту межзонных мод, являются рабочие условия системы, в значительной степени продиктованные нагрузочными характеристиками (Kundur et al., 1994).

В действительности спрос изменяется постоянно, и, таким образом, демпфирование и частота колебательных режимов в системе также меняются. Чтобы имитировать это поведение и продемонстрировать способность MiPOD адаптироваться и гасить электромеханические колебания при изменении состояния системы, активная и реактивная мощность нагрузок L7 и L9 варьируется случайным образом с использованием масштабных коэффициентов, взятых из гауссова распределения со средним значением 1 и стандартное отклонение 0.1.

5.1 Модальный анализ для случайных рабочих точек

На основе изменения нагрузки, описанной выше, было сгенерировано приблизительно 100 случайных рабочих точек. Характеристики межзонального и локального режима рассчитываются посредством модального анализа для трех исследуемых случаев: базовый вариант, только SPC и MiPOD. Функция плотности вероятности (PDF) для каждого случая получается с использованием оценки плотности ядра Гаусса по всем случайно созданным точкам для их результирующего коэффициента затухания, как в уравнении. 15 и отношение амплитуд, как в формуле.16, где α и β — действительная и мнимая составляющие собственного значения.

Расчетные PDF для каждого отношения изображены на рисунке 14, где заштрихованная область под кривыми представляет вероятность, равную 1. Наблюдая за областями под кривыми, можно сделать вывод, что общая стабильность слабого сигнала система улучшается больше всего в случаях, когда используется MiPOD. В частности, область, определяемая PDF и серой вертикальной линией, является наибольшей для случая MiPOD, что означает, что вероятность того, что коэффициент демпфирования между областями и локальным режимом будет более 5%, является наивысшим.Точно так же вероятность того, что отношение амплитуд A1 / A2 больше 2, выше при подключении MiPOD, о чем свидетельствует площадь под кривой, определяемой PDF-файлами, и серая вертикальная линия в точке 2.0 по оси x.

РИСУНОК 14 . Сравнение функций плотности вероятности для демпфирования и соотношения A ₁ / A ₂ для локального и межзонального режима в совокупности для каждого исследуемого случая.

Помимо высокой вероятности случаев с положительным коэффициентом демпфирования, существует небольшая вероятность, что условия эксплуатации могут привести к отрицательному коэффициенту демпфирования, даже когда MiPOD находится в эксплуатации.Это может быть связано с сочетанием двух факторов: система чрезвычайно загружена (таким образом, демпфирование колебательных режимов очень низкое) и конечная мощность DPP накладывает ограничение на доступное демпфирование, которое он может обеспечить.

5.2 Реакция системы после непредвиденных обстоятельств для случайных рабочих точек

Следуя той же логике, эффективность MiPOD демонстрируется путем анализа реакции системы при различных сценариях непредвиденных обстоятельств для случайно сгенерированных рабочих точек.Все непредвиденные события происходят через 2 секунды от начала моделирования, которое выполняется с разрешением 10 мс в течение общей продолжительности 20 с. Одни и те же события и условия повторяются три раза для получения ответа системы: 1) без распределенной электростанции, то есть в базовом случае, 2) с распределенной установкой с использованием SPC и 3) с распределенной установкой с использованием MiPOD.

5.2.1 Симметричное короткое замыкание

Из-за особой конструкции этой системы непредвиденные обстоятельства могут поставить под угрозу угловую стабильность и синхронизацию двух областей.Чтобы проверить эту гипотезу, предполагается, что трехфазное короткое замыкание произойдет в B07 в течение 100 мс. Событие было смоделировано примерно для 30 случайных рабочих точек. Активная мощность и частота в центре системы (т. Е. B08) для двух случайных точек показаны на рисунке 15. По этим траекториям положительное влияние MiPOD на колебательный отклик системы очевидно. В обоих случаях система установится в точке равновесия быстрее с более узкими колебаниями мощности. В действительности, начальный выброс частоты, который неизбежен с учетом серьезности неисправности и условий эксплуатации, мог вызвать срабатывание ограничения мощности или отключение выключателя.Тем не менее, этот начальный выброс немного меньше в случае использования MiPOD.

РИСУНОК 15 . Частота и поток активной мощности в B08 после симметричного отказа в B07 для 2 случайных рабочих точек.

5.2.2 Ступенчатое изменение активной и реактивной мощности нагрузки

Изменения нагрузки обычны в реальных энергосистемах, особенно в больших взаимосвязанных системах. Эти вариации могут быть смоделированы как линейные или ступенчатые изменения. Тем не менее, оба типа изменения нагрузки влияют на баланс мощности, что может вызвать электромеханические режимы системы.Однако резкие колебания нагрузки (например, ступенчатые изменения) имеют большее влияние на стабильность системы. Конкретно, увеличение реактивной мощности нагрузки 9 на 5% моделируется для 30 случайных рабочих точек. Результаты для двух выбранных рабочих точек показаны на рисунке 16. В этом случае преимущество MiPOD демонстрируется преимущественно в потоке активной мощности соединительной линии, когда система устанавливается в новом равновесии с меньшими колебаниями мощности. Кроме того, новая точка равновесия с точки зрения частоты ближе к основной частоте по сравнению с базовым случаем.

РИСУНОК 16 . Системная частота и поток активной мощности на B08 после внезапного увеличения потребности в реактивной мощности на 5% на L9 для 2 случайных рабочих точек.

Аналогичным образом, чтобы проверить это поведение, проводится вторая серия имитаций (для еще 30 случайных рабочих точек), но теперь для увеличения активной мощности на 5% при нагрузке 9. Результаты представлены на рисунке 17. Как и ожидалось, MiPOD адаптируется. к случайным рабочим точкам, обеспечивающим дополнительное демпфирование межзонального режима.И поток активной мощности, и частота быстро сходятся к установившемуся состоянию с более высокой скоростью затухания.

РИСУНОК 17 . Частота системы и поток активной мощности в B08 после внезапного увеличения потребности в активной мощности на 5% на L9 для 2 случайных рабочих точек.

5.2.3 Событие синхронной генерации

Как правило, непредвиденные обстоятельства, которые обсуждались до сих пор, не могли активировать локальный режим между G3 и G4. В попытке сделать это событие синхронной машины разработано, чтобы заставить два вышеупомянутых генератора колебаться друг относительно друга.В частности, в момент времени t = 2 с входной механический крутящий момент G3 увеличивается на 0,1 на единицу, в то время как входной механический крутящий момент G4 уменьшается в равной степени. Результаты показаны на рисунке 18. Компонент локальной моды в колебаниях системы проявляется только в первой паре колебаний зарегистрированной частоты на шине 8. После этого узкого окна межзональный режим доминирует над сигналом, который сходится к установившемуся. состояние быстрее, когда установлен MiPOD. Примечательно, что в базовом случае система нестабильна, на что указывает возрастающая амплитуда колебаний активной мощности.Даже с SPC система колеблется очень близко к границе устойчивости. Однако с MiPOD система ведет себя значительно лучше с точки зрения стабильности.

РИСУНОК 18 . Системная частота и поток активной мощности в B08 после внезапного изменения механического крутящего момента G3 и G4 для 2 случайных рабочих точек.

5.2.4 Изменение топологии сети

Последний случай — трехфазное короткое замыкание на шине 7 с линией передачи, соединяющей шины 8 и 9, не обслуживаемой.Остальные линии в соединительной линии сильно нагружены, что приводит к значительному изменению демпфирования и частот колебательных мод. Это последнее событие не только оценивает производительность MiPOD в наиболее серьезных (хотя и менее вероятных) случаях, но также и способность предсказателя AI обобщать и предоставлять точную информацию о характеристиках каждого режима. Траектории системных переменных показаны на Рисунке 19. В зависимости от серьезности события существуют большие колебания мощности в соединительной линии и колебания частоты.Тем не менее, превосходная производительность MiPOD очевидна на обоих рисунках в отличие от SPC и базового варианта.

РИСУНОК 19 . Системная частота и поток активной мощности в B08 после симметричного отказа в B07 для 2 случайных рабочих точек, в то время как нижняя линия, соединяющая B08 и B09, не работает.

6 Заключение

Силовая электроника упрощает подключение распределенных электростанций к сети, тем самым способствуя обезуглероживанию энергосистем.Однако более широкая интеграция силовой электроники может поставить под угрозу стабильность и надежность системы во многих аспектах. Тем не менее, характерные для них универсальность и быстрая реакция могут быть использованы для противодействия атакам на определенные проблемы и, наконец, для повышения общей производительности.

Проверка предложенного контроллера демонстрирует улучшение демпфирования за счет учета двух колебательных режимов по сравнению с типичным случаем использования только преобразователей мощности, формирующих сетку, то есть SPC. По результатам можно сделать следующие выводы.

• С введением MiPOD стало возможным сконцентрировать доступную демпфирующую способность силовой панели на основе GCC для ослабления двух критических режимов, таких как межзональный и локальный режим двухзональной системы. После анализа демпфирования и соотношений A1 / A2 для большого количества случайных рабочих точек, MiPOD, похоже, повышает общую стабильность системы намного больше, чем SPC.

• Кроме того, динамические реакции системы при симметричных неисправностях, изменениях механического крутящего момента, нагрузки и изменениях топологии показывают, что предлагаемый контроллер может увеличить демпфирование этих режимов путем точного прогнозирования частоты двух режимов (местного и взаимного). площадь) в зависимости от условий эксплуатации.

• Что наиболее важно, распределенная электростанция имеет только 6% от общей номинальной мощности синхронных генераторов в системе, но она может обеспечить повышение устойчивости.

• ВЧ-модель, разработанная в этой статье, предполагает наличие WAMS, которая облегчает получение измерений из разных мест системы. Как уже упоминалось, может быть разработана жесткая пороговая схема для ограничения количества шин, которые необходимо контролировать, в случае, если полная наблюдаемость нереалистична.

В отличие от обычных устройств PSS, количество параметров, которые необходимо настроить для отслеживания и демпфирования электромеханических режимов, меньше, например, 1 параметр на полосу колебаний. Меньшее количество регулируемых параметров достигается за счет интеграции модели AI в контур управления, который обеспечивает точные прогнозы частоты режимов.

Заявление о доступности данных

Необработанные данные, подтверждающие вывод этой статьи, будут предоставлены авторами без излишних оговорок.

Вклад авторов

Концептуализация, Великобритания и Нидерланды; методология, NL; программное обеспечение, LM; проверка, AT, LM и GB; формальный анализ, GB, LM; расследование, NL и FB; ресурсы, NL; курирование данных, ГБ; написание — подготовка оригинального черновика, ГБ; написание – просмотр и редактирование, АТ и ФБ; визуализация, LM, NL и AT; авторский надзор, PR; управление проектами, PR; привлечение финансирования, PR.

Финансирование

Эта работа была поддержана Европейской комиссией в рамках проекта INTERFACE — h3020-LC-SC3-2018-ES-SCC-824330 и Министерством науки Испании в рамках проекта ENE2017-88889-C2-1-R.

Конфликт интересов

Авторы заявляют, что исследование проводилось в отсутствие каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Номенклатура

Общие сокращения

AI Искусственный интеллект

DPP Распределенные электростанции

ESS Системы накопления энергии

GCC Сетевой преобразователь

Интеллектуальная мощность MiPOD

PCC Точка общего соединения

PLC Контроллер контура питания

PMU Блоки измерения фазора

PSS Стабилизатор энергосистемы

PV фотоэлектрический

RES 3 9000 Системы возобновляемой энергии2 RF Случайные леса

SG Интеллектуальные сети

SPC Синхронный контроллер мощности

WAMS Глобальная измерительная система

Символы контроллера

ω Угловая частота SPC

ωc Центральная частота фильтра

θ Внутренний угол SPC

θPCC Угол решетки

ζi Коэффициент демпфирования

D Демпфирование

H Инерция

H Инерция Межзональный режим

л Локальный режим

Pref Опорная активная мощность

R Виртуальное сопротивление

VPCC Gagnitude напряжения сети

Vref Опорное напряжение

X Virtual импеданс

Символы случайного леса

ΔI (t) Падение примесей на узле t

y ^ t Прогнозируемое значение на узле t

I (t) Среднеквадратичная ошибка на узле t

Nt Общее количество шаблонов в t

NtLeft Общее количество шаблонов в tLeft

NtRight Общее количество шаблонов в tRight

Q Всего деревьев решений в ансамбле

r Индекс дерева решений в ансамбле

St Набор шаблонов в узле t

t Узел дерева решений i

tLeft Left узел-предок

tRight Right узел-предок

y (p) Истинное значение для шаблона p∈St

Footnotes

¹ Способность системы оставаться в синхронизме после возмущения (Kundur и другие., 1994)

² Статический синхронный компенсатор

Ссылки

Алим С.А., Хуссейн С.М.С. и Устун Т.С. (2020). Обзор стратегий повышения уровня проникновения фотоэлектрических модулей в интеллектуальных сетях. Энергия 13, 636. doi: 10.3390 / en13030636

CrossRef Полный текст | Google Scholar

Andersson, G., Donalek, P., Farmer, R., Hatziargyriou, N., Kamwa, I., Kundur, P., et al. (2005). Причины крупных отключений энергосистемы в 2003 году в Северной Америке и Европе и рекомендуемые средства для улучшения динамических характеристик системы. IEEE Trans. Power Syst. 20, 1922–1928. doi: 10.1109 / tpwrs.2005.857942

CrossRef Полный текст | Google Scholar

Балтас, Г. Н., Лай, Н. Б., Марин, Л., Таррасо, А., и Родригес, П. (2020). Сетевые преобразователи мощности, настроенные с помощью искусственного интеллекта для гашения подсинхронных взаимодействий в электрических сетях. IEEE Access 8, 93369–93379. doi: 10.1109 / access.2020.2995298

CrossRef Полный текст | Google Scholar

Beaudin, M., Zareipour, H., Энтони, С., и Роузхарт, В. (2010). Хранение энергии для смягчения изменчивости возобновляемых источников электроэнергии: обновленный обзор. Энерг. Поддерживать. Развивать. 14, 302–314. doi: 10.1016 / j.esd.2010.09.007

CrossRef Полный текст | Google Scholar

Berizzi, A. (2004). «Отключение электроэнергии в Италии в 2003 году», на общем собрании энергетического общества IEEE, Денвер, штат Колорадо, 6–10 июня 2004 г., Vol. 2, 1673–1679.

Google Scholar

Бесса, Р., Морейра, К., Сильва, Б., и Матос, М. (2014). Учет изменчивости возобновляемых источников энергии и неопределенности в работе энергосистем. ПРОВОДА Energ. Environ. 3, 156–178. doi: 10.1002 / wene.76

CrossRef Полный текст | Google Scholar

Де Ла Ри, Дж., Сентено, В., Торп, Дж. С. и Фадке, А. Г. (2010). Приложения для синхронизированных векторных измерений в энергосистемах. IEEE Trans. Smart Grid 1, 20. doi: 10.1109 / TSG.2010.2044815

CrossRef Полный текст | Google Scholar

Дуда, Р.О., Харт П. Э. и Сторк Д. Г. (2001). Классификация образцов . 2-е изд. Нью-Йорк, штат Нью-Йорк: Wiley.

ENTSO-E (2019). Высокая степень проникновения силовых электронных источников питания и потенциальный вклад преобразователей, формирующих сеть. Европейская сеть операторов систем передачи электроэнергии, Tech. Отчет

Google Scholar

ENTSO-E (2018). Колебательное событие 03.12.2017 — РГ защиты и динамики системы. Tech. Республика Брюссель, Бельгия: Европейская сеть операторов систем передачи электроэнергии.

Google Scholar

Фанг, Дж., Ли, Х., Тан, Ю. и Блаабьерг, Ф. (2019). Об инерционности будущих систем питания — электроника. IEEE J. Emerg. Sel. Верхний. Power Electron. 7, 2130–2146. doi: 10.1109 / jestpe.2018.2877766

CrossRef Полный текст | Google Scholar

Farah, A., Guesmi, T., Hadj Abdallah, H., and Ouali, A. (2012). «Оптимальная конструкция стабилизаторов многомашинной энергосистемы с использованием эволюционных алгоритмов», Первая международная конференция по возобновляемым источникам энергии и автомобильным технологиям, 2012 г., Хаммамет, Тунис, 26–28 марта 2012 г., 497–501.doi: 10.1109 / REVET.2012.6195319

CrossRef Полный текст | Google Scholar

Гопакумар П., Редди М. Дж. Б. и Моханта Д. К. (2014). Контроль устойчивости интеллектуальных электрических сетей с использованием искусственного интеллекта и измерений синхрофазора на большой площади. Electric Power Components Syst. 42, 1095–1106. doi: 10.1080 / 15325008.2014.