电网N-1下融合CNN与Transformer的综合能源系统静态安全校核

作     者：陈厚合 丁唯一 刘光明 李雪 张儒峰 CHEN Houhe;DING Weiyi;LIU Guangming;LI Xue;ZHANG Rufeng

作者机构：东北电力大学电气工程学院吉林吉林132012 国网新源吉林蛟河抽水蓄能有限公司吉林吉林132500 

出 版 物：《电力自动化设备》 (Electric Power Automation Equipment)

年 卷 期：2025年第45卷第5期

页      面：1-9,18页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金资助项目(52077028) 

主　　题：电-气综合能源系统 N-1安全校核 深度学习 卷积神经网络 Transformer神经网络 改进焦点损失函数 

摘      要：风光等新能源高比例渗透衍生出大量的源-荷场景,电-气综合能源系统(IEGS)的N-1安全校核面临计算挑战。深度学习技术在处理大量数据时具备显著优势,为解决该问题提供了新的思路。将评价电力系统安全性的Hyper-box和Hyper-ellipse判据推广到天然气系统,并形成IEGS综合安全指标以划分子系统的运行状态;构建卷积神经网络(CNN)-Transformer神经网络以适应量测数据与校核目标的非线性关系,实现快速校核;考虑到系统数据的量纲和数值差异大以及系统状态离散化的特点,分别对数据进行Z-score标准化和独热编码数值化以提升校核精度,并设计改进焦点损失函数以进一步提取不同的场景下天然气系统运行状态的变化规律。以含高比例新能源的综合能源系统(E5G5、E39G20系统)为算例,验证所提方法的高效性和准确性。