基于改进CGAN的电力系统暂态稳定评估样本增强方法

论文摘要

基于数据驱动的暂态稳定评估方法已成为电网安全领域研究的重点,由于实际电力系统中暂态失稳情况极少,给通过数据挖掘方法判断失稳情况带来了极大困难。针对这个问题,提出了一种用于暂态稳定评估中失稳样本合成的数据增强方法,对条件生成对抗神经网络（CGAN）训练方法的适应性进行改进以提高其学习稳定性,在离线训练时利用改进CGAN交替训练生成器和判别器,学习电力系统暂态数据的分布特性,然后采用极限学习机（ELM）分类器筛选出改进CGAN所生成的多组样本中G-mean值最高的生成样本,将其中失稳样本对原始失稳样本进行增强,最后用增强后的原始样本训练分类器,实现在线暂态稳定评估。仿真结果表明,所提出的样本数据增强方法通过改进CGAN实现对原始数据分布特征的有效学习,进而提升暂态稳定评估的正确率,具有抗噪声干扰性强、对高维数据鲁棒性好的优点,能够有效平衡电力系统失稳数据。

论文目录

• 0 引言
• 1 改进CGAN算法
•   1.1 生成对抗神经网络
•   1.2 改进CGAN
• 2 基于数据增强方法的暂态稳定评估模型
•   2.1 基于极限学习机的基础分类器
•   2.2 模型输入输出及评价指标
•   2.3 基于改进CGAN的电力系统暂态稳定评估数据增强模型
•     1)离线数据增强训练
•     2)在线评估
• 3 仿真分析
•   3.1 数据集生成
•   3.2 结果讨论
•     1)改进CGAN训练过程中数据分布变化
•     2)不同合成数据方法的性能对比
•     3)模型对噪声的鲁棒性
•     4)高维数据的影响
• 4 结语

文章来源

类型: 期刊论文

作者: 谭本东,杨军,赖秋频,谢培元,李军,徐箭

关键词: 电力系统,暂态稳定评估,数据增强,条件生成对抗神经网络

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: 武汉大学电气工程学院,国网湖南省电力有限公司

基金: 国家重点研发计划资助项目(2017YFB0902900)~~

分类号: TM712

页码: 149-160

总页数: 12

文件大小: 2319K

下载量: 572