Integration of stochastic modeling and machine learning for estimating inertia in the Nordic power system

Abstract

Denne master oppgaven foreslår metoder for å estimere lagret kinetisk energi i det Nordiske kraftsystemet ved bruk av både stokastisk modellering av frekvens for å estimere en regional treghetskonstant, og en Long Short-Term Memory (LSTM) modell som direkte estimerer lagret kinetisk energi i det Nordiske kraftsystemet. Den stokastiske modellen bruker en lineær modell for å estimere lagret kinetisk energi i kraftsystemet fra en regional treghetskonstant og samlet kraftproduksjon per produksjon type i regionen. Den stokastiske estimeringen er basert på å modellere frekvensoppførsel som en Ornstein-Uhlenbeck-prosess og bruk av diffusjonskoeffisienten for denne prosessen til å estimere en regional treghetskonstant.

Bruken av diffusjons- og LSTM-modellene for å estimere kinetisk energi basert på målinger av steady-state frekvens har vist lovende resultater. Modellens nøyaktighet ble evaluert ved hjelp av ulike målemetoder, inkludert Gjennomsnittlig Absolutt Prosentvis Feil (MAPE) og R2-score. For året 2020 oppnådde diffusjonsmodellen en MAPE på 4,2\% og en R2-score på 0,837, og LSTM-modellen oppnådde en MAPE på 3,1\% og en R2-score på 0,917. Begge resultatene indikerer en høy evne til å reprodusere TSOs estimering av lagret kinetisk energi i kraftsystemet, som ble brukt som fasit.

Disse funnene fremhever potensialet for bruken av stokastiske modeller eller LSTM-modeller for estimering av kinetisk energi i det Nordiske kraftsystemet. Estimatene fra de to modellene viser ulike tendenser for lav inertia situasjoner i det Nordiske kraftsystemet. LSTM modellen har en tendens til å underestimere inertia for disse periodene, mens diffusjons modellen har en tendens til å overestimere inertia for de samme periodene. Selv om oppgaven antyder at modellene er effektive for det nordiske kraftsystemet, kan deres anvendelighet variere på tvers av forskjellige regioner, noe som nødvendiggjør videre forskning innen disse regionene for å sikre at funnene generaliserer til andre kraftsystemer med ulike oppbygging. Lignende modeller kan potensielt benyttes for å forbedre driftseffektiviteten til det Nordiske kraftnettet, noe som kan tillate raskere elektrifisering av det Nordiske kraftsystemet og bidrar til å nå målet om nullutslipp raskere.