Regional Frequency Constrained Dispatch Method Considering Spatial-joint Stochastic Disturbances and Contingencies
作者: Nian Liu, Yubing Chen, Kai Jiang, Jiahao Liu, Cheng Wang, Tianshu Bi
分类: eess.SY
发布日期: 2026-09-04
💡 一句话要点
提出区域频率约束调度方法以应对可再生能源引发的频率稳定性挑战
🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)
关键词: 频率稳定性 可再生能源 电力系统调度 随机干扰 物理信息神经网络 区域频率约束 Vine-Copula CVaR
📋 核心要点
- 现有的频率安全约束调度方法未能有效捕捉区域频率的异质性和空间相关的随机干扰，导致频率安全执行不准确。
- 本文提出了一种新的区域频率约束调度方法，利用多区域频率响应模型和物理信息神经网络来优化频率动态。
- 实验结果表明，所提方法在缓解区域频率违规方面显著优于传统方法，频率最低点和频率变化率均有明显改善。
📝 摘要（中文）
随着可再生能源的渗透率增加，频率稳定性面临挑战，传统的频率安全约束调度方法无法有效捕捉区域频率异质性和空间相关的随机干扰，导致频率安全执行不准确。为此，本文提出了一种区域频率约束调度方法，考虑了空间联合随机干扰和突发事件。首先，构建了多区域频率响应模型，结合了基于Vine-Copula的区域随机干扰和频率支持的表征。然后，应用渐进潜在瓶颈的物理信息神经网络，通过编码器-解码器架构表征差异频率最低点和区域频率支持积分项，优化系统频率动态的表达。最后，开发了一个前一天调度模型，嵌入了基于CVaR的区域随机频率约束。案例研究表明，该方法在缓解区域频率违规方面优于统一惯性中心嵌入方法，区域频率最低点和频率变化率分别提高了32.76%和2.06%。
🔬 方法详解
问题定义：本文旨在解决可再生能源渗透带来的频率稳定性问题，现有方法在捕捉区域频率异质性和空间相关随机干扰方面存在不足，导致频率安全执行不准确。
核心思路：提出的区域频率约束调度方法通过构建多区域频率响应模型，结合Vine-Copula表征随机干扰，利用物理信息神经网络优化频率动态，从而提高频率安全性。
技术框架：整体架构包括三个主要模块：首先是多区域频率响应模型的构建，其次是物理信息神经网络的应用，最后是基于CVaR的前一天调度模型的开发。
关键创新：最重要的创新在于结合了Vine-Copula和物理信息神经网络，能够有效表征区域频率支持和随机干扰的关系，与传统方法相比，提供了更为准确的频率动态优化。
关键设计：在网络结构上，采用了编码器-解码器架构，关键参数设置包括损失函数的设计和模型训练过程中的超参数调优，以确保模型的有效性和准确性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提方法在缓解区域频率违规方面表现优异，相较于统一惯性中心嵌入方法，区域频率最低点提高了32.76%，频率变化率提高了2.06%，显著提升了频率安全性。
🎯 应用场景
该研究具有广泛的应用潜力，尤其在电力系统调度、可再生能源集成和频率控制等领域。通过提高频率稳定性，能够有效支持可再生能源的高比例接入，促进可持续发展目标的实现。未来，该方法可扩展至更复杂的电网环境，进一步提升电力系统的安全性与可靠性。
📄 摘要（原文）
The increasing penetration of renewable energy challenges frequency stability due to high variability and declining inertia. Traditional frequency security constrained dispatch methods fail to capture regional frequency heterogeneity and spatially correlated stochastic disturbances, resulting in inaccurate frequency security enforcement. To address this, a regional frequency constrained dispatch method is proposed, considering the spatially joint stochastic disturbances and contingencies. Firstly, a multi-regional frequency response model is constructed, incorporating the Vine-Copula based characterization of regional stochastic disturbances and regional frequency support. Then, a progressive latent-bottleneck physics-informed neural network is applied to characterize differential frequency nadir terms and regional frequency support integral terms via an encoder-decoder architecture, which enables optimization compatible expressions of system frequency dynamics. Finally, a day ahead dispatch model is developed in which regional stochastic frequency constraints are embedded using a CVaR-based formulation. A case study on the IEEE 118-bus system shows that the proposed method outperforms the unified center of inertia embedded approach in mitigating regional frequency violations, with the regional frequency nadir and RoCoF improved by 32.76% and 2.06%, respectively.