基于卷积神经网络的电力系统小干扰稳定评估

论文摘要

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。

论文目录

• 0 引言
• 1 CNN原理
•   1.1 卷积层
•   1.2 池化层
•   1.3 全连接层
• 2 基于CNN的小干扰稳定评估模型
•   2.1 输入变量
•   2.2 问题描述
•   2.3 建模过程
•   2.4 对大系统的处理
• 3 算例分析
•   3.1 16机68节点系统分析
•     3.1.1 系统正常运行时的评估
•     3.1.2 考虑线路N-1断线情况的评估
•   3.2 Case 2383系统分析
•     3.2.1 系统正常运行时的评估
•     3.2.2 考虑线路N-1断线情况下的评估
•     3.2.3 基于GPU的性能提升
•   3.3 浙江电网500kV系统分析
•     3.3.1 PMU配置对模型的影响
•     3.3.2 实际系统中拓扑变化适应性
• 4 结语

文章来源

类型: 期刊论文

作者: 李洋麟,江全元,颜融,耿光超

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

来源: 电力系统自动化 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 浙江大学电气工程学院

基金: 国家自然科学基金资助项目(51677164)~~

分类号: TP183;TM712

页码: 50-59

总页数: 10

文件大小: 794K

下载量: 590