节点文献

基于两阶段集成深度置信网络的电力系统暂态稳定评估

免费订阅

【作者】 邵美阳吴俊勇李宝琴张若愚

【Author】 SHAO Meiyang;WU Junyong;LI Baoqin;ZHANG Ruoyu;School of Electrical Engineering, Beijing Jiaotong University;

【通讯作者】 吴俊勇;

【机构】 北京交通大学电气工程学院

【摘要】 随着人工智能的发展,深度学习技术开始应用于电力系统暂态稳定评估,但面临着模型结构选择和评估性能优化等困难。为充分发挥深度学习的优势,提出一种两阶段集成深度置信网络(deep belief network,DBN)的评估方法。第1阶段预测故障后电力系统的暂态稳定性,由于输入特征和模型结构对暂态稳定评估的影响较大,选择原始电气特征、人工经验特征和堆叠降噪自动编码器提取的特征分别作为输入,训练不同结构的DBN模型,按概率集成机制,建立集成DBN模型,并评价结果的可信度。第2阶段,利用DBN暂稳程度回归预测模型进一步评估可信样本的稳定或失稳程度。在新英格兰10机39节点系统上的仿真结果表明所提方法预测精度高,具有良好的故障筛选性能,同时还能准确衡量可信样本的稳定或失稳程度,为后续控制提供可靠的参考信息。

【基金】 国家重点研发计划项目(2018YFB0904500)~~
【所属期刊栏目】 国家重点研发计划 (2020年05期)
  • 【DOI】10.13335/j.1000-3673.pst.2019.1770
  • 【分类号】TM712
  • 【下载频次】221
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: