Regional Frequency-Constrained Planning for the Optimal Sizing of Power Systems via Enhanced Input Convex Neural Networks

📄 arXiv: 2507.18102v1 📥 PDF

作者: Yi Wang, Goran Strbac

分类: eess.SY

发布日期: 2025-07-24

DOI: 10.1109/TSTE.2024.3524720

💡 一句话要点

提出基于增强输入凸神经网络的区域频率约束电力系统优化规划方法

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 电力系统规划 频率约束 区域频率安全 输入凸神经网络 优化算法

📋 核心要点

  1. 现有电力系统频率约束模型主要考虑统一的频率安全，忽略了不同区域的频率空间差异，无法保证区域安全性。
  2. 本文提出一种新颖的规划模型，利用增强的输入凸神经网络提取区域频率约束，并将其嵌入优化模型中，实现区域频率安全。
  3. 通过在三个不同电力系统上的案例研究，验证了该模型在确保区域系统安全和获得实际投资决策方面的有效性。

📝 摘要（中文）

针对电力系统中可再生能源高渗透率导致的系统惯性降低和频率响应服务需求增加问题，本文提出了一种新的电力系统优化规划模型，该模型考虑了区域频率安全和区域间频率振荡。首先，通过增强的输入凸神经网络（ICNN）提取区域频率约束，然后将其嵌入到原始优化中以保证频率安全。采用一种有原则的权重初始化策略来解决传统ICNN中非负权重的梯度消失问题，并增强其拟合能力。开发了一种具有稀疏性计算和局部搜索的自适应遗传算法，将规划模型分为两个阶段并有效地迭代求解。在三个不同的电力系统上进行的案例研究验证了所提出的频率约束规划模型在确保区域系统安全和获得实际投资决策方面的有效性。

🔬 方法详解

问题定义：电力系统规划需要考虑频率安全约束，以应对可再生能源高渗透带来的惯性降低和频率波动问题。现有方法大多只考虑统一的频率安全，忽略了不同区域之间的频率差异，可能导致某些区域的频率安全无法得到保障。因此，需要一种能够考虑区域频率差异的电力系统规划模型。

核心思路：本文的核心思路是利用增强的输入凸神经网络（ICNN）来学习和提取区域频率约束，然后将这些约束嵌入到电力系统优化规划模型中。通过这种方式，可以确保规划结果满足各个区域的频率安全要求，同时考虑区域间的频率振荡。

技术框架：整体框架包括以下几个主要阶段：1) 数据收集和预处理：收集电力系统的运行数据，包括发电机出力、负荷需求、线路参数等。2) 区域划分：将电力系统划分为若干个区域，每个区域具有一定的频率特性。3) ICNN训练：使用收集到的数据训练增强的ICNN，使其能够准确地预测各个区域的频率响应。4) 优化规划：将ICNN提取的区域频率约束嵌入到电力系统优化规划模型中，求解最优的电源配置方案。5) 结果评估：评估规划方案的频率安全性能，并进行必要的调整。

关键创新：本文的关键创新在于以下几个方面：1) 提出了基于增强ICNN的区域频率约束提取方法，能够有效地捕捉区域频率差异。2) 采用了一种有原则的权重初始化策略，解决了传统ICNN中非负权重的梯度消失问题，提高了ICNN的训练效率和拟合能力。3) 开发了一种具有稀疏性计算和局部搜索的自适应遗传算法，能够有效地求解复杂的电力系统优化规划模型。

关键设计：ICNN的网络结构设计需要考虑输入特征的选择，例如发电机出力、负荷需求、线路潮流等。损失函数的设计需要保证ICNN能够准确地预测区域频率响应，可以采用均方误差等指标。权重初始化策略采用一种基于Xavier初始化的改进方法，以避免梯度消失问题。自适应遗传算法的关键参数包括种群大小、交叉概率、变异概率等，需要根据具体问题进行调整。

🖼️ 关键图片

img_0

📊 实验亮点

实验结果表明，所提出的频率约束规划模型能够有效地确保区域系统安全，并获得更实际的投资决策。与传统的统一频率约束模型相比，该模型能够更好地捕捉区域频率差异，从而避免了对某些区域的过度投资或对另一些区域的投资不足。在三个不同的电力系统上的案例研究表明，该模型能够显著提高电力系统的频率安全水平。

🎯 应用场景

该研究成果可应用于电力系统规划、运行和控制等领域。在规划阶段，可以帮助决策者制定更合理的电源配置方案，确保电力系统的频率安全。在运行阶段，可以用于在线频率安全评估和控制，提高电力系统的稳定性和可靠性。此外，该方法还可以推广到其他类型的电力系统，例如微网和智能电网。

📄 摘要（原文）

Large renewable penetration has been witnessed in power systems, resulting in reduced levels of system inertia and increasing requirements for frequency response services. There have been plenty of studies developing frequency-constrained models for power system security. However, most existing literature only considers uniform frequency security, while neglecting frequency spatial differences in different regions. To fill this gap, this paper proposes a novel planning model for the optimal sizing problem of power systems, capturing regional frequency security and inter-area frequency oscillations. Specifically, regional frequency constraints are first extracted via an enhanced input convex neural network (ICNN) and then embedded into the original optimisation for frequency security, where a principled weight initialisation strategy is adopted to deal with the gradient vanishing issues of non-negative weights in traditional ICNNs and enhance its fitting ability. An adaptive genetic algorithm with sparsity calculation and local search is developed to separate the planning model into two stages and effectively solve it iteratively. Case studies have been conducted on three different power systems to verify the effectiveness of the proposed frequency-constrained planning model in ensuring regional system security and obtaining realistic investment decisions.