基于深度学习的电力系统故障后暂态稳定评估研究

• 作者: 余锐 王磊 胡伟 董昱 郑乐 闵勇
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 暂态稳定评估 稳定域 深度置信网络 深度学习 大数据技术
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 大电网运行控制及柔性互联
• 页码范围: 3140-3146
• 页数: 7页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2017.1889

摘要

暂态稳定故障后对系统的稳定性做出快速、准确的判断是确保电力系统安全稳定运行的关键和难点.针对传统暂态稳定评估方法难以同时满足快速性和准确性的特点,基于大数据技术提出了一种采用深度学习的暂态稳定评估方法.文章首先利用稳定域及其边界解释了采用深度学习方法学习到的稳定规则的物理意义;然后利用深度置信网络将暂态数据由原始输入空间映射到二元可分的表达空间,大大降低了稳定评估的难度;最后,在某省级电力系统中验证算法的有效性.提出的算法可同时满足快速性和准确性,为故障后暂态稳定评估提供了新的解决思路.