基于深度置信网络的电力系统扰动后频率曲线预测

为快速、准确地预测扰动后电力系统的动态频率,该文基于深度置信网络(deepbeliefnetworks,DBN)提出一种预测扰动后电力系统频率曲线的方法。该方法以发电机的电磁功率、机械功率、同步发电机最大出力限制、各发电机对动态频率的影响因子等在内的22维数据作为深度置信网络的输入特征值,输出为系统的动态频率。该文采用新英格兰10机39节点系统和美国南卡罗来纳州的90机500母线系统作为仿真研究算例,通过与PSS/E中的仿真结果相对比,证明使用深度置信网络可以快速准确地对扰动后系统的动态频率进行预测。该方法适用于频率的在线稳定分析,可为后续制定频率稳定控制措施提供依据,对防止系统频率崩溃具有重要意义。