Details

Работа посвящена разработке программы, выполняющей расчет переходных процессов в электрических сетях и осуществляющей выбор оптимальных объемов управляющих воздействий для предотвращения развития системных аварий, связанных с недопустимым изменением частоты. Для реализации последнего предлагается использование машинного обучения Задачи, которые решались в ходе исследования: 1. Математическое моделирование элементов энергосистемы, оказывающих влияние на электромеханические переходные процессы (ЭМПП); 2. Разработка компьютерной программы, позволяющей моделировать переходные процессы с учетом изменения частоты в изолированных энергосистемах; 3. Верификация программы с использованием эталонного ПО Mustang; 4. Расчёт переходных процессов в ЭЭС Калининграда с различными режимными параметрами, подготовка обучающих данных для модели прогнозирования; 5. Контроль качества результатов прогнозирования необходимого объема управляющих воздействий предиктивной моделью. В ходе проделанной работы был разработан программный алгоритм, реализующий оптимальный выбор объема управляющих воздействий по результатам моделирования ЭМПП, с учетом топологических особенностей изолированных ЭЭС.

This work is dedicated to the development of a program that calculates transient processes in electrical networks for given emergency scenarios and determines optimal control actions to prevent systemic accidents caused by unacceptable frequency deviations. Machine learning is employed as a predictor for this purpose. The research addressed the following tasks: 1. Mathematical modeling of power system elements influencing electromechanical transient processes (EMTP). 2. Development of a computer program for modeling transient processes, accounting for frequency changes in isolated power systems. 3. Verification of the program using Mustang software as a benchmark. 4. Calculation of transient processes in the Kaliningrad power system under various operational parameters and preparation of training data for the predictive model. 5. Quality control of the predictive models results for determining the required volume of control actions. The developed software implements an optimal selection of control actions based on EMTP modeling, considering the topological features of isolated power systems.

• ВВЕДЕНИЕ
• 1. ОПИСАНИЕ ИССЛЕДУЕМОЙ ОБЛАСТИ
  • 1.1. Общие требования предъявляемые к технологически изолированным энергосистемам
  • 1.2. Описание энергосистемы Калининградской области
  • 1.3. Описание принципов работы комплекса ПТК ПА
• 2. ОПИСАНИЕ ПРИМЕНЯЕМЫХ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ
  • 2.1. Модели линий электропередачи и трансформаторов
  • 2.2. Модель синхронного генератора
  • 2.3. Математическое описание модели нагрузки
  • 2.4. Математическое описание турбинного оборудования
  • 2.5. Математические модели устройств АЧР и АОПЧ
• 3. ОПИСАНИЕ МАТЕМАТИЧЕСКИХ АЛГОРИТМОВ И УРАВНЕНИЙ РАСЧЕТА ПЕРЕХОДНЫХ ПРОЦЕССОВ
  • 3.1. Системы дифференциальных уравнений
    • 3.1.1. Система дифференциальных уравнений энергоблоков
    • 3.1.2. Общая система дифференциальных уравнений
  • 3.2. Подсистемы расчета переходного процесса
    • 3.2.1. Определение начальных значений ЭДС и углов роторов
    • 3.2.2. Уравнение электромагнитной мощности генератора
    • 3.2.3. Алгоритм расчета частоты напряжений в узлах
  • 3.3. Основной алгоритм расчета переходного процесса
• 4. ПРИМЕНЯЕМЫЕ МЕТОДЫ ЧИСЛЕННОГО ИНТЕГРИРОВАНИЯ
  • 4.1. Метод Рунге-Кутты 4-го порядка
  • 4.2. Метод Predictor-Corrector (PEC)
  • 4.3. Метод Дормана-Принса с переменным шагом
  • 4.4. Основной расчетный метод. PEC с переменным шагом
• 5. ОЦЕНКА ДОСТОВЕРНОСТИ ПРОГРАММЫ
  • 5.1. Описание расчетной модели и аварийных процессов
    • 5.1.1. Модель энергосистемы Калининграда
    • 5.1.2. Рассматриваемые аварийные возмущения
    • 5.1.3. Критерии допустимости качества протекания электромеханического переходного процесса
  • 5.2. Моделирование аварийных процессов без реализации УВ
    • 5.2.1. Моделирование АП №1:
    • 5.2.2. Моделирование АП №2:
    • 5.2.3. Моделирование АП №3:
  • 5.3. Моделирование аварийных процессов с реализацией УВ
    • 5.3.1. Моделирование АП №1 с реализацией УВ
    • 5.3.2. Моделирование АП №2 с реализацией УВ
    • 5.3.3. Моделирование АП №3 с реализацией УВ
• 6. ПРИМЕНЕНИЕ МАШИННОГО ОБУЧЕНИЯ
  • 6.1. Обоснование применения машинного обучения
  • 6.2. Выполнение машинного обучения
    • 6.2.1. Подготовка обучающих данных
    • 6.2.2. Описание основных модулей прогнозирования
    • 6.2.3. Описание признакового пространства
    • 6.2.4. Анализ распределения целевой переменной
    • 6.2.5. Классификация диапазонов
    • 6.2.6. Специализированная регрессия
  • 6.3. Результаты применения двухэтапного машинного обучения
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ