基于集成深度置信网络的精细化电力系统暂态稳定评估

被引：86

作者：

李宝琴

吴俊勇

邵美阳

张若愚

郝亮亮

机构：

[1] 北京交通大学电气工程学院

来源：

电力系统自动化 | 2020年 / 44卷 / 06期

基金：

国家重点研发计划;

关键词：

深度学习; 电力系统; 暂态稳定评估; 深度置信网络; 集成学习; 机器学习;

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：

为了进一步提高电力系统暂态稳定的预测精度及给出更精细化的评估结果,将深度学习与电力系统暂态稳定相结合,根据故障切除后发电机功角"轨迹簇"特征,提出一种基于集成不同结构的深度置信网络(DBN)的精细化电力系统暂态稳定评估模型。该模型的基分类器DBN能够有效地利用深层架构所具有的特征提取能力,充分挖掘出输入特征与暂态稳定评估结果之间的非线性映射关系。在新英格兰10机39节点系统上的实验结果表明,该方法不仅优于浅层学习框架,也比部分深度学习模型的性能更加优越。除此之外,该集成DBN算法不仅有较高的预测精度,而且可以有效地评估系统的稳定裕度和不稳定程度等级;在部分同步相量测量装置信息缺失以及含有噪声时,表现出较强的鲁棒性。

引用

页码：17 / 26

页数：10

共 12 条

[1]

基于XGBoost的电力系统暂态稳定预测方法 [J].

陈明华 ;

刘群英 ;

张家枢 ;

陈树恒 ;

张昌华 .

电网技术, 2020, 44 (03) :1026-1034

[2]

Real-time transient stability assessment in power system based on improved SVM.[J].Wei HU;Zongxiang LU;Shuang WU;Weiling ZHANG;Yu DONG;Rui YU;Baisi LIU;.Journal of Modern Power Systems and Clean Energy.2019, 01

[3]

基于正则化投影孪生支持向量机的电力系统暂态稳定评估 [J].