ModelicaGridData：一种用Modelica和Python进行大规模电力系统仿真的数据生成和标记工具

软件X 21（2023）101258原始软件出版物ModelicaGridData：使用Modelica和Python的大规模电力系统仿真数据生成和标记工具塞尔吉奥·A Dorado-Rojasa，b，Fernando Fachinia，Tetiana Bogodorovaa，Giuseppe Laeraa，Marcelo de Castro Fernandesa，Luigi VanfrettiaaRensselaer Polytechnic Institute，Department of Electrical，Computer Systems Engineering，Troy，NY，USAb康涅狄格大学电气计算机工程系，美国康涅狄格州斯托尔斯ar t i cl e i nf o文章历史记录：2022年6月23日收到收到修订版，2022年10月18日接受，2022年保留字：大数据生成OpenIPSLModelica电力系统小信号稳定性潮流a b st ra ct本文介绍了ModelicaGridData工具，它是为大量数据生成而创建的，相量时域Modelica仿真和使用开放实例电力系统库（OpenIPSL）。ModelicaGridData为生成大量数据提供了一个管道，考虑了电力系统所经历的各种运行条件和潜在的突发事件。在现有电网现代化的背景下，随着机器学习（ML）解决方案的发展，对大规模电力系统动态数据的需求不断增加ModelicaGridData实现算法来处理不同类型的输入数据，执行稳态计算，运行动态模拟和线性分析例程，并标记结果数据集。该工具完全使用Python3开发，并与Modelica IDE-Dymola和OpenModelica兼容©2022作者（S）。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据当前代码版本v1.0用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-22-00179Code Ocean compute capsule法律代码许可证GNU AGPL使用git的代码版本控制系统使用的软件代码语言、工具和服务Python DymolaOpenModelica编译要求，操作环境依赖性操作系统：Windows或LinuxPython安装需要：- Dymola API- OpenModelica Python API（OMPython）- GridCal- requirements.txt中列出的权限如果可用，链接到开发人员文档/手册https://github.com/ALSETLab/ModelicaGridData/tree/master/docs技术支持电子邮件：sergio.dorado. gmail.com1. 动机和意义电网被认为是世界范围内的关键基础设施。鉴于其复杂性和有限的机会，通讯作者：Rensselaer Polytechnic Institute，Department of Electrical，Computer &Systems Engineering，Troy，NY，USA。电子邮件地址：sergio. uconn.edu，dorads@rpi.edu（塞尔吉奥·A·Dorado-Rojas）、fachif@rpi.edu（Fernando Fachini）、bogodt2@rpi.edu（Tetiana Bogodorova）、laerag@rpi.edu（Giuseppe Laera）、decasm3@rpi.edu（Marcelo de Castro Fernandes）、vanfrl@rpi.edu（LuigiVanfretti）。https://doi.org/10.1016/j.softx.2022.101258进行真实世界的实验，基于模型的分析已经成为研究其行为的既定方法。特别地，相量时域仿真模型被设计成评估扰动（诸如故障或线路断电）之后的电网响应，考虑机器动态和相关联的控制系统的影响动态仿真已成为评估电力系统稳定性、制定电网扩展计划和互联研究、进行根本原因分析以及进行控制器设计和参数整定的普遍工具。2352-7110/©2022作者。 由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softx塞尔吉奥·ADorado-Rojas，Fernando Fachini，Tetiana Bogodorova等人软件X 21（2023）1012582一些专有和商业工具（例如， PS S®E，PowerWorld）和替代的开源软件（例如，PSAT、PST、Andes）可用于动态研究，PSS®E是美国公用事业最广泛使用的，据其开发商称，已被140个国家使用，作为事实上的行业标准。近年来，开放实例电力系统库（OpenIPSL）已成为商业工具的替代品，在教育和研究方面具有很大的潜力[1]。OpenIPSL利用Modelica语言的基于方程的面向对象范例来表示相量时域模型。与电力系统的其他建模方法相比，OpenIPSL不需要对微分方程进行离散化来进行仿真;相反，精确方程直接用于建模。此外，在OpenIPSL 2.0.0中，大多数动态组件已经使用多个Modelica兼容工具对其PSS®Ec ounterpart进行了交叉验证，产生了一致的结果[2]。 这一能力使电力行业专家在使用Modelica兼容工具时对结果的有效性充满信心，从而减少了用户对更改的阻力[ 3 ]。鉴于与PS S®E相比结果的保真度，OpenIPSL可以适当地用作强大的仿真工具，以生成表示相量时标中动态的数据。电力系统中的数据生成作为开发机器学习（ML）解决方案的重要方面是高度相关的，这对于将可再生资源和新技术安全地容纳到现有电网基础设施中是必要的尽管相量测量单元（PMU）的扩散，存在利用其数据的几个障碍为例如，保密协议（NDA）限制公众访问测量数据1 [4]的文件。因此，syn-模拟数据生成方法为“数据饥饿”的基于机器学习的开发管道提供了重要的模拟测量和系统信息源，在电力系统中，合成数据生成解决方案可以可分为两大类：统计方法和基于模拟的方法。一方面，若干解决方案使用实际PMU数据的可用样本（例如，[5，6]）。通过将输入数据的统计特性与参数化概率分布相匹配来生成新的数据实例。然而，这些方法受到PMU数据可用性的限制，由于电力系统的弹性和鲁棒性，在正常操作条件下记录了大量PMU数据使用这些数据来训练ML模型可以导致朝向正常操作的偏斜分布，其中与异常操作条件相关的实例没有被很好地表示（例如，美国电网[7]）。生成包含显著异常操作条件的真实数据的替代方案是使用现有的仿真模型来重新创建不同的操作条件。特别注意通过学习网络的拓扑特征来开发合成模型（即，公共汽车和线路的互连）[8，9]。ModelicaGridData利用现有（合成）电力系统模型的可用性来产生大规模数据。ModelicaGridData使用经过验证的电力系统模型模拟各种运行条件这种方法的主要优点是将动态模拟的网格条件设置为现实的应急场景。该工具允许模拟不太可能在现实世界中看到的网络条件，尽管可行，并且1 虽然有可能收集中长期时间尺度的数据，如每日和每小时的负荷和发电曲线（例如，见OpenPowerSystemda），但由于电力市场条款，有关瞬态电力系统动态的数据通常会被披露。系统动力学起主要作用。为了补充具有很少发生的条件的真实系统测量，所开发的软件促进了描述异常操作条件的数据生成，丰富了具有令人兴奋的动态特征的合成数据集，因此，可能能够使用完整的数据更准确地训练2. 软件描述ModelicaGridData旨在使用Modelica电力系统模型的动态模拟生成大量数据。通过（a）改变起始稳态条件（例如，电力系统的潮流），以及（b）按照特定的应急情景选择规则设置情景[10]。应急方案也可以使用基于图论的技术来生成，该技术使用真正的电网[11]。完成仿真后，用户可以从所有场景下的系统仿真中提取选定的信号，为每个仿真条件获得ModelicaGridData允许用户在两个不同的Modelica IDE上运行模拟：Dymola（专有）和Open- Modelica（开源）。已经做出 了 相 当 大 的 努 力 来 保 证 与 OpenModelica 的 兼 容 性 ，OpenModelica的Python API并没有像Dymola的那样被广泛记录无论选择哪种工具，已发现Dymola和OpenModelica的电力系统仿真性能相似[12]IDE 鉴于OpenIPSL版本1.5.0和2.0.0版本中，ModelicaGridDatafor OpenIPSL版本保证与OpenMod- elica标准设置的兼容性仅1.5.0对于使用Dymola的模拟，OpenIPSL版本1.5.0支持2.0.0。该工具的完整管道已在Windows 10和Linux（Ubuntu20.04 LTS）操作系统上的Dymola 2021和OpenModelica 1.16.2中进行了测试。2.1. 软件构架该程序被结构化为五个模块完全集成到后端（如图所示）。1）和一个额外的功能，其使用是通过一个字节笔记本（见第2.2.6节）。该应用程序的高级思想如下：使用纽约独立系统运营商（NYISO）数据，给定系统中的负载配置文件使用实际配置文件（nyiso）进行更改。 然后，多快照功率流被计算（run_pf）并用于提供初始猜测，从该初始猜测可以确定动态模型的初始条件电力潮流数据被加载到基于Modelica的动 态 模 型 中 ， 并 被 提 供 给 Modelica 求 解 器 （ Dymola 或OpenModelica），其解决初始化问题（即，找到所有动态状态的初始条件）并执行动态仿真。由于不能保证潮流解将导致动态模型的平衡点，因此验证每个潮流结果以确认没有事件的动态模拟是否初始化平坦（val_pf）。因此，只有物理上有意义的然后，在不同的初始条件和应急方案（run_pf）下模拟所研究的系统，以生成合成数据。仿真结果表明，存储在*.mat文件中，每个模拟一个，然后进行后处理并组织成单个*. hdf5文件（导出），其中包含特定模拟批次的所有结果。下面列出了组成Python后端的五个模块中的每一个1. 利用真实数据产生潮流方案的负荷数据采集塞尔吉奥·ADorado-Rojas，Fernando Fachini，Tetiana Bogodorova等人软件X 21（2023）1012583Fig. 1. ModelicaGridData的架构。2. 使用下载的负荷分布文件（run_pf）进行潮流计算;3. 功率流验证（val_pf）;4. 包括解析/符号线性化基标号2的大规模时域模拟5. 时间序列数据提取（提取）。用户可以从OpenIPSL库中的可用模型中选择电力系统模型，或者使用OpenIPSL库中的电力系统组件模型，并附加相应的PSS®E潮流模型（*.raw文件）。 对应系统的*.raw模型必须是添加到./中的PSSE_Files子目录中ModelicaGridData的models文件夹。电力系统模型包括IEEE 14节点系统（IEEE14）、单机无限节点系统（SMIB）、IEEE 9节点系统（IEEE9）、昆都尔两区域系统（TwoAreas）和三机电压调节器试验系统（AVRI）。3.一旦潮流输入设置完毕，就可以使用开源Python库GridCal。GridCal是一个强大的电力系统静态计算软件包。GridCal的一个重要特性是它提供了本地支持来解析PSS®E数据文件（即，*.raw文件），同时产生非常相似的潮流解，其结果达到非线性代数方程求解器最后，采用2 Modelica语言得益于基于方程的建模，包括系统状态方程中导数的分析计算。这些结果被用来计算解析线性化得到一个线性模型的衍生物显式。模块run_sim在模型模拟的初始和最终条件3 作者鼓励用户按照结构中的例子。（val_pf），验证检查动态模型是否可以初始化，以及动态模拟是否导致如果验证成功，则将验证的功率流作为属性并入，这些属性定义在用户选择的系统的基于相量的Modelica模型中使用的初始猜测值当设置了用作时域仿真起点的潮流条件时，生成数据的下一步是在几种潮流条件下运行不同的应急场景。该工具旨在通过Dymola或OpenModelica通过其相应的Python API使用Modelica电力系统模型执行系统模型的每个仿真的结果20，000次模拟）。为了防止这种情况，*.mat文件被“统一”到一个 *.hdf5文件中除了这五个模块外，该工具还提供了一个Python在小信号稳定性评估的情况下，用于数据标记的众所周知的电力系统运行状态分类算法的实现[14]。该工具的主后端中包含的五个模块可以通过运行名为main的驱动程序文件在命令提示符下执行。py.在本文附带的GitHub存储库运行main的命令的格式。py如下：main（function，[，kwargs]）其中函数对应于要执行的模块的名称（见图1）。1），kwargs是模块的相应关键字参数（参见第3节）。必须强调的是，我们准备了两个虚拟机（Windows 10和Ubuntu20。04LTS），可以塞尔吉奥·ADorado-Rojas，Fernando Fachini，Tetiana Bogodorova等人软件X 21（2023）1012584电子邮件== ≤≤pythonmain py val_pf [--model][--version][--tool] [--proc] [--cores][--pc]用于工具的现成测试。然而，ModelicaGridData的最大优点是能够使用可用的计算资源，例如，开发用于模拟和批处理执行的多核能力GitHub存储库中还提供了关于如何在独立计算机中为每个操作系统设置工具的分步2.2. 软件功能在本节中，我们将介绍该软件的主要功能，包括一个简单的例子与相应的命令运行每个模块。 我们强调，每个模块和所有功能的文档都可以在下获得。/docs/doc_functions。md/在相关的存储库中。2.2.1. 加载数据抓取：nyiso这个模块，被标识为nyiso，从NYISO网站[ 15 ]中删除公共可用的数据，并按照纽约网格的负载区域对其进行组织。纽约网格有 11 个 负 载 区 域 ， 由 特 定 的 关 键 字 标 识 ， 即 ， 首 都（CAPITL）、中央（CENTRL）、邓伍迪（DUNWOOD）、吉恩（GENESE）、哈德逊谷（HUD VL）、长岛（LONGIL）、米尔伍德（MILLWD）、纽约市（N. Y. C. ）、北（North）和西（WEST）。这些数据对应于用于建立纽约电网调度的前一天和实时调度。数据抓取算法获取NYISO网页上发布的*.csv文件[15]，并创建一个电子表格，对于给定日期的每个加载区域。它将登记册分为测量和预测。测量值对应于每个时间戳处每个区域的实际消耗。预测包含对任何给定日期的短期预测。产生两个不同的实例，分别命名为“最好 ” 和 “ 最 坏 ” 预 测 。 The ‘‘best’’ forecast contains the latestforecast 同样，“最坏”预测包含了给定日期的第一次通过使用实际测量和预测，用户能够分析预测误差对电网动态行为的影响。nyiso模块的调用方式如下：python main py nyiso [--date][--path]其中--date和--path是两个参数，分别指定提取数据的开始日期和存储数据的路径（具体示例请参见第32.2.2. 潮流计算：run_pf图1中的模块run_pf获取从NYISO网站（https：//www. 我的天啊。com/），并将其用作改变电力系统模型中的负载的模式。对于负载模式的每个快照，GridCal计算一个潮流，如果验证，稍后将用于启动模型的动态模拟。换句话说，荷载水平α，面积根据相应NYISO曲线α，面积p面积/最大值（p面积）中所见的趋势而变化，其中0α，面积1和p面积是NYISO数据中某个区域的相应荷载水平。然后，用于潮流计算的负荷水平为pbc，面积αbc，面积pbc，其中pbc是每个区域中所研究系统的基本情况负荷。通过改变系统中的一些（或全部）负载来产生功率流。负载区域和负载之间的配对通过随机映射（即，随机分配用于改变模型中每个负载水平的区域模式加载潮流网格模型从相应的PS S®E文件（*.raw），并使用GridCal的求解器[ 16 ]找到功率流解决方案。潮流结果被解析到Modelica记录文件中，遵循OpenIPSL模型的数据结构，如[13]所述这样的面向对象的数据管理方法允许通过一次仅修改一个属性来替换潮流结果，该属性直接连接到与潮流计算结果相关的若干变量（参见图2，然而，注意这种改变不需要以图形方式/手动方式应用，而是由ModelicaGridData自动应用）。使用以下命令调用模块run_pfpythonmain py run_pf [--model][--version][--window][--date][--loads] [--delete][-seed]在GitHub上共享的文档中提供了命令中每个参数的详细讨论。2.2.3. 功率流验证：val_pfval_pf模块在稳态初始化模型时评估潮流结果是否正确符合电网模型约束。这是使用短持续时间动态模拟（即，跨度为5秒或更短），并评估动态的初始值和最终值之间的偏差。这种短跨度，无事件模拟并不代表一个显着的计算负担，如果使用dassl求解器，则使用Modelica兼容的IDE [12]。然后，val_pf模块依赖于自动时域模拟执行验证程序。假设功率流不对应于系统的物理平衡点（即，x（t0）0，则系统动力学将如果控制器设计正确且系统稳定，则寻求平衡点。换句话说，求解器将在数值积分的第一步中寻找物理上有意义的功率流条件。系统状态在模拟开始时的偏移与实际情况不一致。因此，val_pf模块会在运行动态仿真之前删除“ 无 效 " 潮 流 结 果 。该模块的调用如下所示：--pc表示使用的是虚拟机（--pcvm）还是物理计算机（--pcpc，默认）。我们添加了标志--pc以避免附带的虚拟机出现执行问题。如果用户试图使用无效的参数组合，它会自动结束虚拟机中的程序执行。例如，模拟10个并发进程是不可能的，因为虚拟机只有一个文件中的模拟参数val_parameters_pc.yam_l 或 val_parameters_vm 。我很有钱。如果需要，用户可以修改这些文件中的任何一个中的模拟设置。此外，--proc和--cores与val_pf函数实现了一种组合的并行-顺序4方法来进行动态模拟的事实有关。换句话说，潮流结果可以在几个4 并行顺序方法被理解为同时执行多个进程，每个进程使用固定数量的物理核，处理器。每个过程都被分配了一个小批量的完整模拟场景。塞尔吉奥·ADorado-Rojas，Fernando Fachini，Tetiana Bogodorova等人软件X 21（2023）1012585pythonmain py提取[--model][--tool][--version] [--mu] [--sigma][--pc]图二. Dymola图形界面中的潮流选择。在执行run_pf模块之后生成每个潮流结果。潮流选择在后端是自动的processes（--proc）来加速计算。每个进程将使用多个核物理核来并行化内部计算，即，在许多核之间并行化仿真执行读者可以参考GitHub文档，以更深入地了解模块主函数的参数第3节提供了一个示例。2.2.4. 大规模动态仿真：run_sim一旦给定模型的经验证的潮流解可用（参见第2.2.3节），用户就可以使用run_sim模块调度大规模相量时域仿真（图10）。①的人。 该功能启动一组动态模拟，在几种应急情况下具有不同的操作条件（功率流）。执行大量模拟的函数及其参数如下：python main pyrun_sim [--model][--version][--tool][--proc][--cores][--pc][--n_pf][--n_sc][--n_sim]用户选择要在执行过程中使用的电源系统模型（--model）和OpenIPSL版本（--version）。此外，要运行模拟，Modelica工具也可以在Dymola（--tool dymola，默认）和Open（打开）之间选择。Modelica（--toolom）.根据[17，18]，在两种工具上使用微分和代数方程（DAE）求解器加速模拟的所有执行标志都已实现。但是，OpenModelica模拟仅支持OpenIPSL 1.5.0版本。无论为模拟选择的环境如何，用户还可以指定要执行的功率流的数量（--n_pf）、意外情况（--n_sc）和动态模拟的最大数量（--n_sim）。毛皮-因此，该代码允许通过as-对参数--proc和-- cores进行签名，类似于val_pf模块（参见第2.2.3节）。2.2.5. 数据提取：提取提取模块（见图1）1）被设计为在交互模式下工作，用户被请求输入要提取的信号。首先，建议用户在模型中选择一个组件来提取动态信号。与基本OpenIPSL相关的实现选项模型包括总线、线路和发电机。然而，用户可以很容易地修改和扩展，以包括其他设备的选择，如STATCOM [19]，先进的转换器[20]和可再生能源[21]。每个模拟场景生成三个 *.mat文件，其中包含（1）时间序列数据，（2）初始条件线性化输出，以及（3）最终条件线性化结果。例如，处理一个有20，000个场景可用的情况将是很麻烦的（即，60，000*.mat文件）。提取模块的主要目标是帮助最终用户组织将run_sim输出到单个文件中，使得可以容易地分发和读取数据，同时给出用于其它后处理目的或应用的组织良好的结果，所述应用可以在不需要来自文件本身的用户交互的情况下运行。调用此函数的命令如下：其中--model是用于仿真的系统模型的名称，--tool是与run_sim模块一起使用的Modelica兼容IDE（更多细节请参见第2.2.4节），--version是构建模型的OpenIPSL版本。请注意，这些参数中的大多数与val_pf和run_sim模块共享。为了使生成的时间序列更接近真实正态分布噪声--mu和--sigma。有关默认值的更多信息可以在该工具的GitHub文档中找到。2.2.6. 小信号稳定性合成数据标记：sssi该工具的标记模块旨在评估电力系统的小干扰稳定条件。为此，经典的Prony方法在Python中实现为俯卧功能 这种经典的方法需要数据预处理，cessing;因此，将filtering_data函数添加到标记模块中。对Prony方法的结果进行了处理塞尔吉奥·ADorado-Rojas，Fernando Fachini，Tetiana Bogodorova等人软件X 21（2023）1012586×=pythonmain py val_pf--tool dymola-- model IEEE14--proc2 -- cores1pythonmain py run_sim--tool dymola-- modelIEEE14--proc4 -- cores2 -- n_pf2 -- n_sc10 -- n_sim16通过sssi函数生成稳定性指标进行小干扰稳定性评估。因此，该 模 块 有 三 个 不 同 的 函 数 filtering_data ， prony ，sssi[14]。预处理函数filtering_data定义了从合成测量数据中提取偶然事件后的数据的过程。这是必要的，因为在意外事件期间所研究的信号的非平稳性可能导致Prony方法的因此，该函数去除了与应急过程相关的一部分输入数据，从而仅提供主要对应于线性系统响应的振荡内容。然后对信号进行去趋势处理以获得数据集的振荡行为为了执行去趋势，使用平均去趋势此外，为了滤除噪声和趋势，提出了基于最高能量含量本征模式函数（IMF）的另一选项Prony函数将去除趋势的数据集作为输入并且在通过排除区域间模式范围之外的频率的频率筛选过程之后估计信号sssi函数使用去趋势和频率滤波数据，并基于来自上述Prony函数的特征值的阻尼比生成三个单模指数（SMI）、全模式指数（AMI）和全局模式指数（GMI）[14]。3. 说明性实例一个说明性的例子涉及使用IEEE 14总线系统产生的数据读者可以在随代码提供的两个虚拟机中的任何一个中复制本节中描述的步骤。请注意，在Dymola IDE中运行代码需要许可证（不能保证在虚拟机中包含的试用版中成功执行）。读者可以参考本文随附的YouTubeplayt，以获得动手示例演示[22]。首先，执行nyiso模块（参见第2.2.1节）。这通过在ModelicaGridData的父目录中运行以下命令来完成：python main py nyiso----2020年----路径数据该工具将从NYISO网站下载所有可用数据[15]，从2020年1月1日开始，直到前天，如可选参数-year所示。数据保存在相对于名为data的当前目录的子文件夹下。默认情况下，该工具从当前年份获取数据（例如，从2022年1月1日开始，如果代码在2022年运行）。因此，应注意以下值：--调用此模块时已过去一年的数据NYISO网站从2001年开始提供此外，NYISO每天中午（美国东部时间下午12：00）更新其当前注册。那么，如果需要最新的信息，则应在该小时之后运行抓取模块。接下来，刮取的数据用于使用GridCal计算多个潮流。使用以下命令运行IEEE 14总线模型（OpenIPSL版本2.0.0中构建）中的三个负荷的潮流：pythonmain. pyrun_pf--modelIEEE14--version2.0。0--加载s3当潮流结果可用时，下一步是通过val_pf模块执行验证过程运行此步骤的命令如下所示。将根据val_parameters_pc. 亚姆湖默认情况下，它跨越五秒没有事件的模拟。使用下面的设置，将创建两个运行Dymola实例每个过程将使用一个物理核心来完成结果的验证。一旦去除了不会导致在平衡点初始化的功率流（如果有），用户可以继续运行run_sim模块（参见第2.2.4节）。命令示例如下所示：该程序将创建四个进程，每个进程使用两个内核。两个潮流结果将用于每个应急方案。因此，并行地，可以运行的最大可能场景是2 1020。但是，用户通过参数--n_sim指定最多16个模拟。因此，在创建的四个流程中，将只完成16个，而不是可能运行的20个潜在场景，每个流程总共4个。最后，我们使用extract函数来收集一个仿真批次的所有仿真结果此函数将把工作目录中可用的*.mat文件中所有感兴趣的信号组织到单个*.hdf5文件中。调用extract模块的一个示例是：pytho nmain. pyextract--tooldymola--modelIEEE14提取模块需要用户然后，在整个函数执行过程中会出现几个提示在该工具的GitHub存储库中提供了一个完整的示例。从*.hdf5文件[23]获得的信号图如图所示。3 .第三章。4. 影响所提出的工具表示使用Modelica模型生成大量标记的电力系统仿真数据的管道。此外，使用Open-IPSL库[1]开发的Modelica模型通过使用以前不可用的记录的鉴于数据生成和预处理是开发ML解决方案的一个重要资源消耗阶段，5该工具引入了一定程度的自动化，从而节省了创建此类应用程序的大部分成本和工作。潜在的应用包括（但不限于）开发边缘模块，用于检测干扰[25，26]和基于时间序列的小信号稳定性算法[27]。据作者5 前IBM6 例如，参见GridSTAGE。塞尔吉奥·ADorado-Rojas，Fernando Fachini，Tetiana Bogodorova等人软件X 21（2023）1012587图3.第三章。使用提取模块对提取的数据进行可视化。我们的方法代表了基于高保真仿真的数据生成的第一个里程碑，用于生成机器学习数据驱动算法，以帮助电力系统工程师运行21世纪的电网。5. 结论ModelicaGridData是一个数据生成管道，能够在几种意外情况下使用Modelica对电力系统进行相量时域仿真后生成合成电力系统时间序列测量。该工具利用Python的自动化功能来下载和创建潮流结果，这些结果用作使用基于Modelica的IDE进行动态仿真的初始条件。用户可以通过SIM卡-在Windows或Linux操作系统中使用两个不同的Modelica IDE沿多个进程进行计算。模拟完成后，生成的数据可以根据用户的意愿以紧凑、方便的形式通过交互式模块提取此外，该工具允许最好地利用效用-可用的离线资源（例如，在公用事业公司或研究机构中部署的计算服务器）以加速数据生成过程。通过一个简单的例子，我们已经证明了应用程序的可用性和用户友好性。由于该工具依赖于开源电源系统库OpenIPSL，经验丰富的用户可以根据自己的特定需求定制模型，包括在更大的系统模型中使用其他组件扩展模型竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作数据可用性数据可以在GitHub上找到。致谢这项工作部分由美国纽约州能源研究与发展局（NYSERDA）资助，资助协议号为137951和137940，部分由沙特阿拉伯阿卜杜拉国王科技大学的NEOM研究卓越中心提供。作者要感谢Aisling Pigott的讨论，帮助形成了工具的最终版本，以及Santiago Peñate的制作。GridCal作为开源软件提供，并在开发此工具期间回答有关其使用的问题。引用[1][10]杨文军，杨文军. OpenIPSL ：开放实例电力系统库-iTesla电力系统库（iPSL）的1.5更新：用于相量时域仿真的modelica库。SoftwareX2018;7：34-6.[2]Laera G，Vanfretti L，de Castro Fernandes M，Dorado-Rojas SA，FachiniF ， Mishra C ， et al. Guidelines and use cases for power systemsdynamicmodelingand model verification using modelica. 2022年。[3] Kavanagh JF.阻力作为创新的动力：开放源码软件. 13.第十三届全国政协副主席http://dx.doi.org/10.17705/1cais的网站。01336。[4]WECC 。 西 部 互 联 互 通 数 据 共 享 协 议 。 Tech. 代 表 ， 2018 年 ， URLhttps://www.spp.org/Documents/58886/WIDSA%20CLEAN_101618。docx。[5]艾德恩I，Jang W，奥弗拜T. PMU数据功能考虑因素，用于生成真实的合成数据。在：2019年北美电力研讨会。NAPS，2019年。[6]Li H，Yeo JH，Bornsheuer AL，Overbye TJ.综合电力系统负荷时间序列之建立与验证。 IEEE Trans PowerSyst2021;36（2）：961-9.[7]Larsen PH，Lawson M，LaCommare KH，Eto JH.恶劣天气、公用事业支出和美国电力系统的长期可靠性。能源2020;198：117387。[8]苏坦S，洛A，祖斯曼G。一种基于学习的合成电网生成方法。IEEE Syst J2019;13（1）：625[9]吴伟，王军，王军.用于合成电网的深度生成图分布学习。2019年，arXiv：1901.09674。[10]Dorado-Rojas SA，de Castro Fernandes M，Vanfretti L.基于ML的小信号稳定性评估的合成训练数据生成。2020年IEEE智能电网通信、控制和计算技术国际会议（SmartGridComm）。2020年，p.1-7号。[11]Bogodorova T，Osipov D，VanfrettiL.自动化设计 的大数据生成的现实突发事件。IEEE Trans Power Syst2020;35（6）：4968-71.[12]Dorado-Rojas SA，Navarro Catalán M，de Castro Fernandes M，VanfrettiL. 基于python的modelica时域电力系统自动仿真性能基准。In：Proceedingsof the American modelicaconference 2020 ， Boulder ， Colorado ， USA ，March 23-25，2020.林雪平大学电子出版社;2020年。[13][10]杨文军，李文军，李文军.使用python初始化OpenIPSL相量时域仿真的潮流记录结构。 在：Modelica会议。 2021, p. 147比54[14]Sevilla FRS，Vanfretti L.电力系统动态冲击评估的小干扰稳定指标时域仿真。2014年IEEEPES大会|会议&展览。IEEE; 2014，p.1比5。[15]NYISO：纽约独立系统运营商。网址https://www.nyiso。com/. [2022-6-17].[16]GridCal。 网址https://www.gridcal.org/。 [2022-6-17].[17]放大图片作者：J.适用于大规模混合模型的DAE求解器。第13届国际模型会议论文集。2019年，第491-502.[18]放大图片作者：Braun W，Casella F，Bachmann B.解决大规模Modelica模型：使用OpenModelica的新方法和实验结果。2017年，p. 五五七63.http://dx.doi.org/10.3384/ecp17132557，URLhttp://www.ep.liu.se/ecp/article.asp？问题= 132%26文章=63.[19]放大图片作者：John M.使用modelica对STATCOM和电网进行多时间尺度建模，以进行稳定性研究。2022能源系统开源建模与仿真（OSMSES）^John，p.1-7号。[20]Gonzalez-Torres JC，Mourouvin R，Shinoda K，Zama A，Benchaib A.电力系 统 稳 定 性 研 究 中 并 网 控 制 MMC 模 型 的 简 化 方 法 。 2021 年 IEEE PESInnovative Smart Grid TechnologiesEurope （ ISGT Europe ） IEEE; 2021 ，p.01-6。[21]Fachini F，Vanfretti L，de Castro M，et al.OpenIPSL modelica库中可再生能源的建模和验证。In：IECON2021-47th. ieeexplore.ieee.org;2021年。[22]ModelicaGridData.2022，URLhttps://www.youtube.com/watch?v=9KvV3BtDZuk& list=PLQSmZRKvTZtH940Oaw5yybX3RQaHNXpmZ.塞尔吉奥·ADorado-Rojas，Fernando Fachini，Tetiana Bogodorova等人软件X 21（2023）1012