压缩感知和图卷积神经网络相结合的宽频振荡扰动源定位方法.docxVIP

下载本文档

2
0
约2.42万字
约 19页
2024-04-15 发布于江苏
举报
版权申诉

压缩感知和图卷积神经网络相结合的宽频振荡扰动源定位方法.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

高电压技术Vol.50,No.3:1080-1089第50卷第3

高电压技术

Vol.50,No.3:1080-1089

2024年3月31日HighVoltageEngineeringMarch31,2024

DOI:10.13336/j.1003-6520.hve压缩感知和图卷积神经网络相结合的宽频振荡扰动源定位方法

王渝红，李晨鑫，周旭，朱玲俐，蒋奇良，郑宗生

（四川大学电气工程学院，成都610065）

摘要：新能源并网引发的宽频振荡严重威胁电网安全，实现宽频振荡源的在线定位并及时采取抑制措施以保证系统安全稳定尤为必要。为此，提出一种压缩采样和图卷积神经网络相结合的宽频振荡源定位方法，该方法首先在子站对时序的振荡信号进行稀疏采样，获得其低维观测序列，作为节点的时序信息，然后在主站融合系统的拓扑结构捕捉各节点的邻接关系，综合考虑系统振荡的时空特性，运用图卷积神经网络实现振荡源定位。最后利用宽频振荡样本集进行仿真验证，结果表明所提方法在量测数据含有噪声、传输数据缺失以及传输数据偏差的情况下都有较高的定位准确度。

关键词：新能源发电；宽频振荡；振荡源定位；压缩感知；时空特性；图卷积神经网络

LocalizationMethodofWide-bandOscillationDisturbanceSourcesBasedonCompressedSensingandGraphConvolutionalNeuralNetworks

WANGYuhong,LIChenxin,ZHOUXu,ZHULingli,JIANGQiliang,ZHENGZongsheng

(CollegeofElectricalEngineering,SichuanUniversity,Chengdu610065,China)

Abstract：Thewide-bandoscillationcausedbythegridconnectionofnewenergyseriouslythreatensthesecurityofthepowergrid.Itisparticularlynecessarytorealizetheonlinelocationofthebroadbandoscillationsourceandtaketimelysuppressionmeasurestoensurethesafetyandstabilityofthesystem.Inthispaper,abroadbandoscillatorlocationmethodcombiningcompressionsamplingandgraphconvolutionneuralnetworkisproposed.Thismethodfirstlysparselysamplesthetime-seriesoscillationsignalinthesubstationtoobtainitslowdimensionalobservationsequenceasthetimesequenceinformationofthenode,andthencapturestheadjacencyofeachnodeinthetopologystructureofthemasterstationfu-sionsystem,comprehensivelyconsidersthetime-spacecharacteristicsofthesystemoscillation,andusesgraphconvolutionneuralnetworktolocatetheoscillationdisturbancesources.Finally,thebroadbandoscillationsamplesetisusedforsimulationverification.Theresultsshowthattheproposedmethodhashighpositio