结合图嵌入算法的电力系统多任务暂态稳定评估

被引：46

作者：

孙黎霞 ^{[1
]}

彭嘉杰 ^{[1
]}

白景涛 ^{[2
]}

陈欣凌 ^{[1
]}

田屹昀 ^{[1
]}

机构：

[1] 河海大学能源与电气学院

[2] 国网嘉兴供电公司

来源：

电力系统自动化 | 2022年 / 46卷 / 02期

关键词：

暂态稳定评估; 深度学习; 图嵌入; 卷积神经网络; 长短期记忆网络; 多任务学习;

D O I：

暂无

中图分类号：

TM712 [电力系统稳定];

学科分类号：

080802 [电力系统及其自动化];

摘要：

电力系统功角稳定与电压稳定是电力系统安全稳定运行的基础,稳定性分析是制定稳定控制策略的依据之一。考虑电网拓扑对电力系统暂态稳定性的影响,利用Node2vec图嵌入算法将电网拓扑映射为低维稠密矩阵,获得电力系统的空间拓扑特征向量,并将其与电气量测数据相组合形成重构数据集,作为评估模型的输入。考虑到电力系统多种稳定性问题往往交织在一起,首先,提出了基于多任务学习的暂态稳定评估模型,并实现了电力系统功角稳定性和电压稳定性的同步评估;然后根据评估结果,确定电力系统失稳区域并实现可视化;最后,采用新英格兰10机39节点测试系统验证了评估模型的有效性。

引用

页码：83 / 91

页数：9

共 21 条

[1]

A Hybrid Randomized Learning System for Temporal-Adaptive Voltage Stability Assessment of Power Systems [J].

Ren, Chao ;

Xu, Yan ;

Zhang, Yuchen ;

Zhang, Rui .

IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS, 2020, 16 (06) :3672-3684

[2]

An Online Power System Stability Monitoring System Using Convolutional Neural Networks [J].

Gupta, Ankita ;

Gurrala, Gurunath ;

Sastry, P. S. .

IEEE TRANSACTIONS ON POWER SYSTEMS, 2019, 34 (02) :864-872

[3]

A Deep End-to-End Model for Transient Stability Assessment With PMU Data [J].

Zhu, Qiaomu ;

Chen, Jinfu ;

Zhu, Lin ;

Shi, Dongyuan ;

Bai, Xiang ;

Duan, Xianzhong ;

Liu, Yilu .

IEEE ACCESS, 2018, 6 :65474-65487

[4]

Dropout: a simple way to prevent neural networks from overfitting..[J].Nitish Srivastava;Geoffrey E. Hinton;Alex Krizhevsky;Ilya Sutskever;Ruslan Salakhutdinov.Journal of Machine Learning Research.2014, 1

[5]

Definition and classification of power system stability IEEE/CIGRE joint task force on stability terms and definitions.[J].P. Kundur;J. Paserba;V. Ajjarapu;G. Andersson;A. Bose;C. Canizares;N. Hatziargyriou;D. Hill;A. Stankovic;C. Taylor;T. Van Cutsem;V. Vittal.IEEE Transactions on Power Systems.2004, 3

[6]

神经网络与深度学习.[M].邱锡鹏.机械工业出版社.2021, 978-7-111-64968-7

[7]

电力系统电压稳定性分析.[M].汤涌; 著.科学出版社.2011,

[8]

电力系统稳定性及发电机励磁控制.[M].刘取; 著.中国电力出版社.2006,

[9]

考虑电力系统拓扑变化的消息传递图神经网络暂态稳定评估 [J].