论文摘要
可再生能源发电的随机性、间歇性和低惯性特征导致含可再生能源电力系统的频率安全问题凸显。利用时域仿真进行频率安全评估存在计算量大、耗时长等缺陷,难以满足多重复杂不确定因素"组合数爆炸"下的频率安全快速评估需求。为了实现频率安全的快速分析与预测,提出一种基于多层极限学习机（ML-ELM）的频率安全在线评估方法。该方法通过深层架构建立输入与输出之间的非线性映射关系,并在自下而上的逐层无监督训练过程中,引入自动编码器算法和正则化系数,逐层优化输入层与隐含层之间的权重矩阵,以使ML-ELM有效表征复杂函数、提高预测精度和泛化能力。在IEEE RTS-79系统上开展算例测试,将测试结果与时域仿真和浅层神经网络方法所得结果进行比较,验证了所提方法的准确性和泛化能力。
论文目录
文章来源
类型: 期刊论文
作者: 文云峰,赵荣臻,肖友强,刘祯斌
关键词: 频率安全,极限学习机,低惯性系统,机器学习,人工智能,大数据
来源: 电力系统自动化 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业
单位: 湖南大学电气与信息工程学院,重庆大学电气工程学院,云南电网规划建设研究中心,中国建筑第七工程局有限公司
基金: 国家自然科学基金资助项目(51707017),重庆市基础科学与前沿技术研究项目(cstc2017jcyjAX0422),中央高校基本科研业务费专项资金资助项目~~
分类号: TM71
页码: 133-143
总页数: 11
文件大小: 2605K
下载量: 552