基于卷积神经网络的电力系统小干扰稳定评估

• 作者: 李洋麟 江全元 耿光超 颜融
• 来源期刊: 电力系统自动化
• 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
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 学术研究
• 页码范围: 50-57
• 页数: 8页
• 字数: 8214字
• 语种: 中文
• DOI: 10.7500/AEPS20171203004

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江全元	浙江大学电气工程学院	146	4817	38.0	64.0
2	耿光超	浙江大学电气工程学院	19	243	5.0	15.0
3	李洋麟	浙江大学电气工程学院	1	5	1.0	1.0
4	颜融	浙江大学电气工程学院	1	5	1.0	1.0