AC-aware Optimization Framework for Under-Frequency Load Shedding

📄 arXiv: 2501.03020v1 📥 PDF

作者: Mazen Elsaadany, Muhammad Hamza Ali, Amritanshu Pandey, Mads R. Almassalkhi

分类: eess.SY

发布日期: 2025-01-06

💡 一句话要点

提出一种考虑交流网络效应的自适应低频减载优化框架

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 低频减载 电力系统稳定 模型降阶 交流网络效应 预测优化

📋 核心要点

  1. 传统静态低频减载方案难以适应高比例分布式能源接入和低惯性电力系统的动态变化。
  2. 论文提出一种交流感知的预测优化框架，通过降阶模型捕捉交流网络效应，优化低频减载设定点。
  3. 实验结果表明，该方法在各种工况和扰动下均能满足设计标准，并优于传统和简化的自适应方案。

📝 摘要（中文）

低频减载(UFLS)旨在防止大型扰动期间的系统崩溃。随着分布式能源(DER)渗透率的增加和系统惯性的降低，设计静态UFLS方案变得更具挑战性，该方案依赖于预设的频率阈值和减载比例，以满足所有可能运行条件下的设计标准。由于非线性和可追溯性问题，以往的自适应UFLS方案使用简化的频率模型，忽略了交流网络效应，如电压相关的负荷/发电。本文利用模型降阶技术，获得更高保真度的低阶系统频率动态模型，该模型捕捉了交流网络效应，同时考虑了汽轮机调速器的作用及其相关限制。然后，该模型被用于一个新的交流感知预测优化框架中，以基于当前运行条件定期调整UFLS设定点，同时最小化减载量。在具有1648个节点的系统上通过PSS/E仿真验证，所提出的方法在各种运行条件和扰动场景下均满足设计标准。此外，该框架优于传统的静态UFLS方案和基于简化动态模型的自适应UFLS方案。

🔬 方法详解

问题定义：电力系统中，传统的静态低频减载(UFLS)方案依赖于预设的频率阈值和减载量，无法适应分布式能源(DER)高渗透率和系统惯性降低带来的动态变化。现有的自适应UFLS方案通常采用简化的频率模型，忽略了交流网络效应，如电压相关的负荷和发电，导致优化结果不准确，影响减载效果。

核心思路：论文的核心思路是建立一个能够捕捉交流网络效应的高保真低阶系统频率动态模型，并将其应用于预测优化框架中，从而实现交流感知的自适应UFLS。通过考虑交流网络的影响，可以更准确地预测系统频率响应，并优化减载策略，以最小化减载量，同时保证系统安全。

技术框架：该框架主要包含以下几个模块：1) 系统模型降阶：利用模型降阶技术，将复杂的电力系统模型简化为低阶模型，同时保留关键的交流网络效应和汽轮机调速器动态。2) 频率动态建模：建立基于降阶模型的系统频率动态方程，考虑汽轮机调速器的作用及其限制。3) 预测优化：基于当前运行条件，利用频率动态模型预测未来一段时间内的系统频率响应，并优化UFLS设定点，以最小化减载量，同时满足频率稳定约束。4) 实时调整：根据实际系统运行情况，定期更新模型参数和优化结果，实现自适应UFLS。

关键创新：该论文的关键创新在于：1) 提出了一个能够捕捉交流网络效应的高保真低阶系统频率动态模型。2) 将该模型应用于预测优化框架中，实现了交流感知的自适应UFLS。3) 相比于传统的静态UFLS方案和基于简化动态模型的自适应UFLS方案，该方法能够更有效地利用减载资源，提高系统稳定性。

关键设计：模型降阶方法未知，但需要保证降阶后的模型能够准确反映交流网络效应和汽轮机调速器动态。预测优化问题需要设计合适的损失函数，以最小化减载量，同时满足频率稳定约束。约束条件包括频率下限、减载量上限等。优化算法的选择未知，但需要保证能够在实时性要求下求解优化问题。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在包含1648个节点的电力系统上进行了仿真验证，结果表明，所提出的方法在各种运行条件和扰动场景下均能满足设计标准，并且优于传统的静态UFLS方案和基于简化动态模型的自适应UFLS方案。具体的性能提升数据未知，但论文强调了该方法在减载量最小化方面的优势。

🎯 应用场景

该研究成果可应用于现代电力系统的低频减载控制，尤其适用于高比例可再生能源接入和低惯性电力系统。通过更精确的频率预测和自适应减载策略，可以提高电力系统的稳定性和可靠性，减少因频率崩溃造成的经济损失，并促进可再生能源的消纳。

📄 摘要（原文）

Under-frequency load shedding (UFLS) prevents system collapse during large disturbances. Increased penetration of distributed energy resources (DERs) and reduced system inertia makes it challenging to design a static UFLS scheme, which relies on preset frequency thresholds and load shed fractions to meet design criteria across all possible operating conditions. Due to non-linearity and traceability issues, previous adaptive UFLS schemes use simplified tractable frequency models that overlook AC network effects such as voltage-dependent load/generation. This paper leverages model order reduction techniques to obtain a higher fidelity low-order model of system frequency dynamics that captures AC network effects while incorporating turbine governor action and their associated limits. The model is then used in a new AC-aware predictive optimization framework to adapt UFLS setpoints periodically based on current operating conditions while minimizing load shed. Validated on a 1,648-bus system with PSS/E simulations, the proposed method meets design criteria under various operating conditions and disturbance scenarios. Furthermore, the framework outperforms conventional static UFLS schemes and adaptive UFLS schemes based on simplified dynamic models.