基于深度学习的电力系统暂态稳定评估系统设计与快速预测方法研究.docxVIP

PAGE2

基于深度学习的电力系统暂态稳定评估系统设计与快速预测方法研究

摘要

随着新能源大规模并网与电力电子设备广泛接入，电力系统运行方式日趋复杂，暂态稳定问题愈发突出。传统时域仿真法虽精度高，但计算耗时长，难以满足在线评估的实时性要求。本文设计并实现了一套基于深度学习的电力系统暂态稳定评估系统，旨在利用数据驱动方法实现快速、准确的暂态稳定预测。

系统采用B/S架构，核心功能包括电网数据管理、深度学习模型训练与评估、在线暂态稳定预测及结果可视化。在需求分析阶段，明确了系统需支持多扰动场景、多运行方式的暂态稳定判别，并量化了预测精度与响应时间指标。总体设计上，系统划分为数据采集与预处理模块、模型管理模块、在线预测模块和用户交互模块，各模块间通过RESTfulAPI解耦协作。数据存储采用关系型数据库与时序文件结合的混合模式，兼顾结构化数据查询与高维时序数据存储效率。

详细设计中，重点阐述了基于特征工程的输入构建方法和融合注意力机制的残差卷积网络模型。该模型从故障后短暂时间窗的电气量中提取时空特征，直接映射稳定结论，实现端到端预测。系统实现中，采用PyTorch框架训练模型，并利用ONNX部署加速推理，前端采用Vue.js框架实现交互界面。测试结果表明，在IEEE39节点系统和某省级电网仿真数据集上，模型预测准确率超过98.5%，单次预测耗时低于5毫秒，满足在线应用需求。本课