基于图注意力深度网络的电力系统暂态稳定评估

被引：69

作者：

钟智 ^{[1
]}

管霖 ^{[1
]}

苏寅生 ^{[2
]}

姚海成 ^{[2
]}

黄济宇 ^{[1
]}

郭梦轩 ^{[1
]}

机构：

[1] 华南理工大学电力学院

[2] 中国南方电网电力调度控制中心

来源：

电网技术 | 2021年 / 45卷 / 06期

关键词：

电力系统; 暂态稳定评估; 图深度学习; 图注意力网络;

D O I：

暂无

中图分类号：

TM712 [电力系统稳定]; TP183 [人工神经网络与计算];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

常规深度学习模型应用于电力系统暂态稳定评估时难以直观和充分地考虑电网拓扑结构对稳定性的影响。论文结合"图深度学习"思想,将图注意力网络(graphattention network,GAT)引入TSA建模,设计了多头注意力方案,采用加权交叉熵损失函数改善不均衡样本的训练效果,提出多图并行训练方案加速训练过程。结合算例分析了输入选择和采样点数对稳定评估效果的影响,应用可视化技术分析了图注意力网络的特征聚合效果。通过与多种深度学习模型下建立的TSA模型的性能对比,充分验证所提出模型的优越性。

引用

页码：2122 / 2130

页数：9

共 22 条

[1]

基于两阶段集成深度置信网络的电力系统暂态稳定评估 [J].

邵美阳 ;

吴俊勇 ;

李宝琴 ;

张若愚 .

电网技术, 2020, 44 (05) :1776-1787

[2]

基于一维卷积神经网络的电力系统暂态稳定评估 [J].

高昆仑 ;

杨帅 ;

刘思言 ;

李向伟 .

电力系统自动化, 2019, 43 (12) :18-26

[3]

基于电压相量轨迹几何特征的电网节点时空关联特性评估 [J].

郑恒峰 ;

刘道伟 ;

李柏青 ;

杨红英 ;

李宗翰 ;

赵高尚 ;

李京 ;

杨少波 .

电网技术, 2020, 44 (01) :9-18

[4]

基于深度学习的电力系统故障后暂态稳定评估研究 [J].

胡伟 ;

郑乐 ;

闵勇 ;

董昱 ;

余锐 ;

王磊 .

电网技术, 2017, 41 (10) :3140-3146

[5]

基于堆叠自动编码器的电力系统暂态稳定评估 [J].

朱乔木 ;

陈金富 ;

李弘毅 ;

石东源 ;

李银红 ;

段献忠 .

中国电机工程学报, 2018, 38 (10) :2937-2946+3144

[6]

基于响应轨迹和核心向量机的电力系统在线暂态稳定评估 [J].

王亚俊 ;

王波 ;

唐飞 ;

陈得治 ;

王静 ;

王乙斐 ;

周雨田 .

中国电机工程学报, 2014, 34 (19) :3178-3186

[7]

基于支持向量机增量学习的电力系统暂态稳定评估 [J].

叶圣永 ;

王晓茹 ;

刘志刚 ;

钱清泉 .

电力系统自动化, 2011, 35 (11) :15-19

[8]

基于扩展k阶近邻法的电力系统稳定评估新算法 [J].

王同文 ;

管霖 ;

章小强 ;

张尧 .

电力系统自动化, 2008, (03) :18-21+75

[9]

Rumor detection based on propagation graph neural network with attention mechanism[J] Zhiyuan Wu;Dechang Pi;Junfu Chen;Meng Xie;Jianjun Cao Expert Systems With Applications 2020,

[10]

MGAT: Multimodal Graph Attention Network for Recommendation[J] Zhulin Tao;Yinwei Wei;Xiang Wang;Xiangnan He;Xianglin Huang;Tat-Seng Chua Information Processing and Management 2020,

← 1 2 3 →