基于深度残差网络的电力系统暂态电压稳定评估

随着人工智能技术的发展，基于数据驱动的深度学习方法可兼顾在线评估的快速性与准确性。通过分析电力系统的电压时序信息，构建暂态电压稳定裕度指标。基于实时获取的广域测量信息，选择代表潮流水平的稳态信息、代表故障冲击程度的故障瞬间信息以及代表故障持续进展的滑动信息构建半固定半滑动的异构样本集，基于深度残差网络构建暂态电压稳定评估模型，分别输出系统的暂态电压稳定评估结果、各监测母线的暂态电压稳定评估结果以及电压稳定裕度信息，为在线监控提供指导。在计及高压直流输电和风电接入影响的改进中国电科院36节点系统进行仿真验证，结果表明，该方法无需接收保护设备的故障切除时间信息，可在故障切除时刻之前给出高精度的评估结果，具有较高的实时性和准确性。