基于特征量和卷积神经网络的暂态电压稳定评估

被引：22

作者：

来文青 ^{[1
]}

龚庆武 ^{[2
]}

高春辉 ^{[3
]}

刘会斌 ^{[3
]}

刘卫明 ^{[3
]}

吴留闯 ^{[2
]}

刘旭 ^{[2
]}

王波 ^{[2
]}

乔卉 ^{[2
]}

机构：

[1] 国网内蒙古东部电力有限公司

[2] 武汉大学电气与自动化学院

[3] 国网内蒙古东部电力有限公司电力科学研究院

来源：

武汉大学学报(工学版) | 2019年 / 52卷 / 09期

关键词：

暂态电压稳定; 电力系统暂态稳定评估; 特征量; 卷积神经网络(CNN); 错误率;

D O I：

10.14188/j.1671-8844.2019-09-010

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：

针对目前传统方法无法准确快速判断系统暂态电压稳定性的问题,提出一种基于特征量和卷积神经网络(convolutional neural networks,CNN)的暂态电压稳定评估方法.首先基于传统电压稳定指标分解及响应数据,从原始电气量中进行36维电压稳定构建特征量,将特征量输入卷积神经网络中进行有监督学习,最后将训练所得到的模型应用于电力系统暂态稳定评估中.利用新英格兰10机39节点标准算例对电网进行了仿真,结果表明该方法具有错误率低、精确率高、测试时间短的特点,能够准确快速判断出系统的暂态电压失稳,提高了电力系统的稳定性.

引用

页码：815 / 823+835 +835

页数：10

共 26 条

[1]

基于机器学习的电力系统暂态稳定评估 [D].