基于Tri-Training-LASSO-BP网络的静态电压稳定裕度在线预测方法

被引：15

作者：

唐滢淇 ^{[1
]}

董树锋 ^{[1
]}

朱承治 ^{[2
]}

吴金城 ^{[1
]}

宋永华 ^{[3
]}

机构：

[1] 浙江大学电气工程学院

[2] 国网浙江省电力有限公司

[3] 澳门大学智慧城市物联网国家重点实验室

来源：

中国电机工程学报 | 2020年 / 40卷 / 12期

关键词：

静态电压稳定裕度; 三体训练法; LASSO-BP神经网络; 集成学习; Mann-Whitney U检验;

D O I：

10.13334/j.0258-8013.pcsee.191026

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：

摘要：

电力系统的静态电压稳定性,对于保证系统正常运行起着关键作用。传统的静态电压稳定裕度评估方法难以满足在线实时预测的要求,常用的离线监督预测方法则需要大量的训练样本,且容易出现过拟合,会对预测精度造成影响。研究能克服这些缺点的方法,具有重要意义。该文将神经网络、半监督训练、集成学习等技术应用于电力系统静态电压稳定裕度的预测分析中,提出基于Tri-Training-LASSO-BP网络的在线预测方法,由三体训练法(Tri-Training)、最小绝对值收缩选择(leastabsoluteshrinkageandselectoperator,LASSO)方法和误差反向传播(backpropagation,BP)神经网络组成。在IEEE 39节点和IEEE 300节点算例上的结果和对其进行的非参数检验表明,该方法能够降低对训练集数据量的要求,发挥电力系统日常运行过程中采集的海量数据的优势,提高网络的预测精度,减少人工干预。

引用

页码：3824 / 3835

页数：12

共 29 条

[21] 电力系统电压稳定性及其控制.[M].周双喜等编著;.中国电力出版社.2004,
[22] Introduction to nonparametric statistics for the biological sciences using R..Mac Farland T W;Yates J M;.Springer;Cham.2016,
[23] Final Report on the August 14;2003 Blackout in the United States and Canada: Causes and Recommendations..US-Canada Power System Outage Task Force;.https://reports.energy.gov.2003,
[24] 基于深度学习的电力系统静态稳定性预测.[D].马睿博.北京邮电大学.2018, 11
[25] 基于神经网络的电压稳定裕度快速计算方法.[D].颜廷鑫.湖南大学.2017, 07
[26] 西欧“11.4”大停电事故的初步分析及防止我国大面积停电事故的措施
李春艳
孙元章
陈向宜
邓桂平
[J]. 电网技术, 2006, (24) : 16 - 21
[27] 电力系统的安全性及防治措施
韩祯祥
曹一家
[J]. 电网技术, 2004, (09) : 1 - 6
[28] 2003年国际若干停电事故思考
甘德强
胡江溢
韩祯祥
[J]. 电力系统自动化, 2004, (03) : 1 - 4+9
[29] 电力系统电压稳定与同步稳定分析
彭志炜
胡国根
韩祯祥
[J]. 电力系统及其自动化学报, 2000, (01) : 1 - 4+10

← 1 2 3 →