PPT | 新型电力系统电能质量分析:从模型、数据驱动到联合驱动
新型电力系统电能质量分析：从模型、数据驱动到联合驱动
定义与范畴：电能质量是供电与用电之间的兼容性问题，涉及电压、电流、频率等指标偏离基准技术参数的程度。按供电/用电职责划分为供电与用电质量；按物理属性划分为电压与电流质量。全球影响：电能质量问题频发，导致生产中断、产品质量劣化及新能源并网安全风险，造成严重社会经济损失。例如，美国年损失超100亿美元，中国上海7大产业年损失20亿元，日本东芝晶圆厂单次损失数亿日元。政策演进：国家层面持续强化管理，2023年《电能质量管理办（暂行）》确立“谁干扰、谁治理”原则；2025年《关于全面打造现代化用电商营环境的意见》强调“高电能质量”与“增值服务”；2026年《供电质量提升专项行动（2026–2028年）》转向“被动抢修”向“主动防御”转变。历史发展：国内外研究历经四个阶段——经验累积（19世纪中）、现象观测（20世纪末）、指标评估（21世纪初）、诊断分析与综合治理（近十年），本质在于揭示扰动成因、规律与措施。新型电力系统特征：“双高”（高比例可再生能源、高比例电力电子设备）带来新影响：层级多、范围广、损失大；新特征为强随机、宽频带、多耦合。典型扰动类型：电压暂降、电力谐波、电力扰动三大方向构成核心分析体系。基本概念：电压暂降指工频电压方均根值突然降至0.1~0.9 p.u.，持续10ms~1min后恢复。关键特征为残余电压与持续时间。危害：高端制造行业（如半导体、石化、精密加工）易受冲击，导致生产中断、设备损坏、产品质量劣化，经济损失巨大。典型案例包括三星西安工厂（损失约10%产能）、台湾新竹科学园（停机50小时）、力星精茂电子（损失超2.3亿元人民币）。核心思想：基于叠加原理与故障分量法求解短路电流分布，刻画节点母线暂降特征，支撑感知、诊断与治理决策。- 系统故障模拟：构建电网故障模型，计算短路电流、残余电压、持续时间。
- 评估指标计算：通过严重点评、暂降状态估计等实现精准评估。
算例分析：在DG故障响应特性下，分区迭代计算与协调网络结合，平均相对误差由8.51%降至3.35%，最大相对误差由11.26%降至4.59%。核心创新：针对模型驱动维数灾难问题，提出时空特征融合的暂降状态估计方法，挖掘监测数据中的传播规律，估计未监测点特征。- 时空特征建模：基于改进GCN的电压暂降溯源方法，无需系统先验信息。
算例分析：在IEEE 123节点测试系统中，溯源准确率≥82%，优于传统方法；在LG、LL、LLL等模型下，平均溯源准确率达80%。核心突破：融合数据驱动与模型驱动优势，利用在线监测数据辨识新能源控制参数，结合迭代计算模型评估暂降水平。- 数据驱动部分：基于DG控制参数识别与暂降特征提取。
- 模型驱动部分：构建暂降水平评估模型，输出结果用于决策支持。
算例分析：数据驱动误差14.75%，联合驱动误差降至4.81%；在物理信息神经网络框架下，小样本学习能力达77.7%，联合驱动准确率提升至91.8%。系统部署：已在全国国家电网、南方电网上线运行，覆盖20余个省级电网。典型平台：深圳一体化电能质量监控平台、武汉电压暂降监测系统平台、广州优质供电投资决策支持系统、珠海横琴特色数字电网应用平台，涵盖暂降溯源与反馈、评估与诊断、治理方案决策、风险可视化等功能模块。基本概念：谐波是波形畸变的频域表征，通常通过傅里叶变换计算，以50Hz整数倍为h次谐波。当谐波与系统固有频率匹配时，引发谐振。危害：增加线路损耗与设备老化，干扰继电保护及自动装置，易引发谐波谐振，严重影响电网安全稳定与用电设备可靠性。典型场景包括新能源场站、高压直流输电、冶金钢铁、轨道交通；后果包括电容器起火、逆变器发热损坏、光伏隔变烧毁、变压器击穿。研究现状：传统方法将谐波源建模为电流源，难以适配海量电力电子设备接入的新型系统。- 谐波源建模：区分传统模型与实际特性（非线性），建立宽频段非线性描述。
- 谐波潮流计算：构建含谐波的网络潮流方程，选取恒流源模型进行求解。
算例分析：在浙江嘉兴事件与青海海西事件中，所提模型误差<5%，优于现有模型（误差>15%），建模精度显著提升。核心创新：针对设备模型信息难获取问题，提出数据驱动的谐波耦合矩阵参数辨识方法，复最小二乘法求解矩阵参数，并根据网侧电压自适应更新。- 数据采集与处理：同步采集多相电压电流数据，经FFT提取谐波分量。
- 参数辨识与更新：判断负荷运行动态变化，计算电压相似性，自适应更新参数矩阵。
算例分析：在节能灯与台式电脑案例中，基准则模型误差较大，动态自适应模型精度提升至少10%；在谐波潮流计算中，模型驱动方法准确率98.5%，数据驱动方法达99.2%，精度显著加快。核心理念：融合模型驱动的物理约束与数据驱动的拓扑信息，构建模型-数据联合驱动的谐波潮流计算方法，增强泛化性与可靠性。- 损失函数设计：引入物理约束项与数据驱动项，实现协同优化。
算例分析：在纯数据驱动与联合驱动对比中，纯数据驱动对无功功率误差10.7%，联合驱动降至1.98%；对谐波电流误差14.6%，联合驱动降至1.62%；在五种改电网结构中，联合驱动准确率最高达98.1%，显著优于单一方法。软件研发：已开发谐波评估与治理软件，集成谐波潮流计算、谐振风险评估等功能。重大工程落地：已在青海海西、海南千万千瓦级新能源基地、浙江苍南海上风电等项目中成功应用。本质认知：电能本质是运动型二次能源，扰动数据蕴含重大价值，而暂降、谐波等仅为扰动中被广泛认知的部分。多源数据采样：涵盖DFR、PQMS、SCADA、计量装置等多种设备，实现多尺度、多频率、多维度数据采集。研究现状：中压电缆永久故障前存在早期故障，表现为瞬时性、重复性电弧击穿，需多重判据实现早期检测。- 多判据融合：结合波形特征、模型特征、统计特征，构建早期故障检测体系。
- 联合驱动方法：采用CNN提取特征，构建注意力机制，结合模型驱动的损失函数，提升诊断准确性。
算例分析：仅模型驱动准确率80.4%，数据驱动85.2%，联合驱动达94.1%；在真实1660-bus系统中，联合驱动准确率77.7%，远高于数据驱动。研究现状：模型驱动建模繁琐，数据驱动解释性差，亟需联合驱动方法揭示异构设备弹性协同机制。- 多模态建模：融合多任务学习、多模态信息理解与生成，构建弹性评估模型。
- 时序融合：结合功率暂态变化斜率、波动幅度等特征，提取设备多状态运行特征。
算例分析：在多类设备（可转移、可中断、可削减）中，联合驱动方法有效提升弹性评估精度；在连续设备调节特性建模中，序列到点模型表现优异。发展方向：构建模型-数据联合驱动的电力扰动大模型，不仅提升可观、可知、可控能力，还可延伸至电能质量领域，解决系统级、设备级难题。- 系统级应用：PQ领域内实现扰动感知、推理、治理决策；PQ领域外支持承载能力评估、机组优化控制、负荷建模调控。
- 设备级应用：设备健康状态监测、设备故障诊断、设备健康寿命预测。
协同机制：依托“监测-仿真-大模型”协同机制，通过认知能力增强、仿真平台训练、监测系统反馈，形成闭环优化体系。
