[论文解读] Spectral Graph Clustering for Intentional Islanding Operations in Resilient Hybrid Energy Systems

Jiaxin Wu, Xin Chen+3 more|arXiv (Cornell University)|Mar 13, 2022

Optimal Power Flow Distribution参考文献 33被引用 28

一句话总结

本文提出了一种用于高比例可再生能源渗透的弹性混合能源系统中主动孤岛划分的分层谱聚类框架。通过将频率测量值与多源电气数据结合，利用Grassmann流形嵌入，该方法实现了动态、鲁棒的聚类，稳定了电压角并减轻了级联故障，在含风电场的IEEE 9节点与118节点系统上得到验证。

ABSTRACT

Establishing cleaner energy generation therefore improving the sustainability of the power system is a crucial task in this century, and one of the key strategies being pursued is to shift the dependence on fossil fuel to renewable technologies such as wind, solar, and nuclear. However, with the increasing number of heterogeneous components included, the complexity of the hybrid energy system becomes more significant. And the complex system imposes a more stringent requirement of the contingency plan to enhance the overall system resilience. Among different strategies to ensure a reliable system, intentional islanding is commonly applied in practical applications for power systems and attracts abundant interest in the literature. In this study, we propose a hierarchical spectral clustering-based intentional islanding strategy at the transmission level with renewable generations. To incorporate the renewable generation that relies on the inverter technology, the frequency measurements are considered to represent the transient response. And it has been further used as embedded information in the clustering algorithm along with other important electrical information from the system to enrich the modeling capability of the proposed framework. To demonstrate the effectiveness of the islanding strategy, the modified IEEE-9 bus and IEEE-118 bus systems coupled with wind farms are considered as the test cases.

研究动机与目标

• 应对日益增长的混合能源系统（HES）在可再生能源渗透率不断提高和系统复杂性增加背景下的系统韧性挑战。
• 制定主动的预控方案，以防止在扰动事件后发生级联故障，尤其针对以基于换流器的可再生能源为主导的系统。
• 提出一种通用、自适应的主动孤岛划分策略，统一异构的实时测量数据，以实现扰动期间的鲁棒决策。
• 通过在扰动后实现孤立子系统稳定、同步运行，提升系统的自愈能力，尤其通过电压角稳定化实现。

提出的方法

• 应用分层谱聚类，将输电网在扰动后划分为孤立的、自持运行的子系统。
• 将多层系统测量数据——拓扑结构、电气距离和频率偏差——作为聚类的输入特征。
• 利用Grassmann流形学习，将异构数据嵌入统一的低维空间，保留对聚类至关重要的几何关系。
• 利用谱聚类的分层结构，可根据运行约束或利益相关者偏好灵活选择孤岛数量。
• 基于嵌入特征构建的相似性矩阵制定聚类目标，即使在动态条件下也能实现鲁棒的分区。
• 在含风电场的改进IEEE 9节点与118节点系统上，通过暂态仿真验证该框架。

实验结果

研究问题

• RQ1 如何设计一种基于聚类的主动孤岛划分策略，以有效管理高比例可再生能源渗透的混合能源系统中的暂态动态？
• RQ2 频率偏差测量在以基于换流器的发电为主导的系统中，能在多大程度上提升孤岛划分决策的准确性和韧性？
• RQ3 结合拓扑结构、电气距离和频率数据的统一嵌入框架，能否增强谱聚类在孤岛划分中的鲁棒性？
• RQ4 与非孤岛运行相比，所提方法在大规模系统中如何实现电压角稳定并防止级联故障？

主要发现

• 所提框架在单线故障后成功将改进的IEEE 118节点系统划分为四个稳定、孤立的子系统，经树状图和聚类结果验证。
• 在主动孤岛划分策略下，电压幅值振荡得到抑制，表明暂态稳定性得到改善，尤其对故障点较远的母线更为显著。
• 在无主动孤岛划分的情况下，选定母线（30、38、75、103）的电压角在故障后显著发散，表明失去同步，存在级联故障风险。
• 在实施主动孤岛划分后，所有选定母线的电压角保持同步并稳定在故障前水平附近，证明有效防止了级联故障。
• 将频率偏差作为关键输入特征显著增强了模型捕捉动态系统行为的能力，尤其在基于换流器的可再生能源系统中。
• 基于Grassmann流形的嵌入有效实现了异构数据源的融合，提升了聚类的鲁棒性与对不同系统运行条件的适应能力。