机理与数据融合驱动的含IIDG配电网短路电流计算方法

目前含逆变器型分布式电源(IIDG)的配电网短路电流计算主要采用物理建模方法，在IIDG高渗透情况下其在计算速度、准确性、通用性等方面存在不足。因此提出一种机理与数据融合驱动的适用于含IIDG和IIDG高渗透下配电网的短路电流计算方法。为与数据驱动建模的计算方法进行对比，在对含IIDG的配电网进行特征分析的基础上，提出了反映短路电流的2种特征组合方式：一种使用蕴含机理的特征，即将不接入IIDG时配电网的短路电流作为关键特征，另一种则使用配电网特征。通过运行MATLAB/Simulink上搭建的仿真模型自动积累样本集合，使用机器学习中的集成方法(包括随机森林、极限随机树、XGBoost、LightGBM)进行2种特征下的模型训练。在IEEE 34节点系统上验证了集成方法建模的可行性和有效性，同时对比了不同集成方法以及不同特征组合方式的计算误差，结果表明，各集成学习方法均能够准确地进行短路电流计算，机理与数据融合的驱动方法在机理未失效情况下，比单纯的数据驱动模型计算更准确。与物理建模方法的对比结果也验证了所提方法的准确性和快速性。