基于卷积神经网络的电力系统小干扰稳定评估.PDFVIP

第 卷 第 期 年 月 日 , 43 2 2019 1 25 Vol.43No.2Jan.252019 : / DOI10.7500AEPS20171203004 基于卷积神经网络的电力系统小干扰稳定评估 , , , 李洋麟 江全元 颜 融 耿光超 ( , ) 浙江大学电气工程学院 浙江省杭州市 310027 : , 摘要 随着电力系统规模的增大 通过传统数值方法计算系统特征值来进行小干扰稳定评估已无 。 , ( ) 法满足实时分析的要求 因此 提出了一种基于深度学习 卷积神经网络 的电力系统小干扰稳定 。 , , 评估方法 该方法以广域测量系统可监测变量作为模型的输入 关键特征值作为输出 对输入数据 , ; 、 和输出数据进行相应处理后 利用深层架构对其映射关系进行分析 并针对大系统维数较高 训练 , 。 , 速度较慢的问题 采用了离散余弦变换和图形处理器并行技术 算例结果表明 在不考虑控制参数 , , 。 变化的情况下 经过历史数据的离线训练后 该方法能够较准确地计算出系统的关键特征值 : ; ; ; ; 关键词 卷积神经网络 深度学习 小干扰稳定评估 关键特征值 广域测量系统 , 0 引言 合 基于确定性线性模型得到系统的特征值作为历 , ; 史训练数据 以保证模型的精度 再将实时的量测数 [] 1 , 随着区域互联和各种元件的接入 电力系统 , 。 据输入到训练好的模型中得到结果 实现实时评估 , 呈现出了时变性和波动性的特点 这就要求运行调 研究者们对机器学习类的电力系统小干扰稳定 度中的小干扰安全稳定评估能在更短的时间尺度内 [13-15] ,