基于TCN–LSTM–AAE和DPGMM的新型电力系统运行模式分析

摘要

可再生能源渗透率的不断增加正深刻改变电力系统的运行机理，使其呈现出更强的复杂性、非线性与动态特征.这一趋势标志着电力系统正加速向新型电力系统演进.传统以潮流方程和经验规则为基础的运行方式分析手段在这一背景下已难以胜任.针对高可再生能源渗透下运行状态频繁演化的挑战，本文提出了一种数据驱动的新型电力系统运行模式分析框架.该框架包括面向不同分布数据的离群点检测与缺失值填补、构建基于时序卷积与长短期记忆网络的对抗自编码器用于历史数据扩充、结合特征提取的狄利克雷过程高斯混合模型实现运行模式数量的自适应识别，以及运行模式的降维可视化展示.基于中国华北地区某市电力系统的实际运行数据开展的实验验证表明，该方法在复杂运行环境中表现出良好的识别效果.研究结果进一步揭示，随着可再生能源渗透率的提升，系统运行方式的数量和离散程度显著增加，动态行为呈现出更强的非线性演化趋势与不确定性，运行模式频繁跃迁，亟需引入更具智能性与灵活性的调控策略以保障系统的稳定与高效运行.

关键词

高可再生能源渗透 / 离群点检测 / 数据扩充 / 运行模式识别 / 电力系统动态分析

基金资助

国家重点研发计划资助项目（2023YFC3306304）; 山东省高等学校青年创新团队发展计划资助项目（2022KJ290）; 山东省自然科学基金面上资助项目（ZR2025MS1100）; 泰山学者青年专家资助项目（tsqn202408239）; 工业控制技术全国重点实验室开放课题资助项目（ICT2025B13）