Identification en temps réel des fluctuations de puissance basées sur un réseau de neurones récurrent LSTM : Une étude de cas sur le système électrique de Singapour

Les fluctuations de puissance rapides et stochastiques causées par les sources d'énergie renouvelable et les charges flexibles ont considérablement détérioré la performance de fréquence des systèmes électriques modernes. Le contrôle de fréquence du système électrique vise à atteindre un équilibre de puissance en temps réel entre les générations et les charges. En pratique, il est beaucoup plus difficile d'acquérir exactement les valeurs de puissance déséquilibrée tant dans les systèmes de transmission que de distribution, surtout lorsqu'il y a un haut niveau de pénétration des énergies renouvelables. Ce document explore une approche d'apprentissage profond pour identifier les fluctuations de puissance active en temps réel, basée sur un réseau de neurones récurrent à mémoire à long terme. La méthode développée fournit une estimation plus précise et plus rapide de la valeur des fluctuations de puissance à partir du signal de fréquence mesuré en temps réel. Les fluctuations de puissance identifiées peuvent servir de référence de contrôle afin que la fréquence du système puisse être mieux maintenue par le contrôle automatique de la génération, ainsi que par des éléments de contrôle de fréquence émergents, comme les systèmes de stockage d'énergie. Un modèle détaillé du système électrique de Singapour intégré avec des systèmes de stockage d'énergie distribuée est utilisé pour vérifier la méthode proposée et la comparer à diverses méthodes classiques. Les résultats de simulation démontrent clairement la nécessité d'identifier les fluctuations de puissance et les avantages de la méthode proposée.