深度学习应用于潮流计算判敛问题的可行性研究

• 作者: 李东晟 沈沉 陈颖 马丁
• 来源期刊: 南方电网技术
• 学科: 工学
• 关键词: 电力系统 深度学习 深层人工神经网络 潮流计算 收敛判定
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 系统分析与运行
• 页码范围: 46-54
• 页数: 9页
• 分类号: TM743
• 字数: 8181字
• 语种: 中文
• DOI: 10.13648/j.cnki.issn1674-0629.2020.02.005

摘要

近年来,深度学习方法由于在图像识别等领域取得的突破性进展成为了学术研究的热点.本文对该方法在潮流计算判敛这一电力系统基本计算任务中的应用可行性展开了研究.本文首先探讨了潮流计算问题相较于图像识别问题的特殊性,分析了应用深度学习模型解决潮流判敛问题的难点;然后,介绍了深层人工神经网络的网络结构、训练过程以及针对过拟合问题的处理方式;进一步基于电力系统潮流计算问题的特点选择基本特征向量、无功功率调节能力指数集以及功率因数水平指数集作为训练深度学习模型的特征向量;最后基于IEEE 14节点系统生成了160万份样本,并对所采用的模型及特征向量进行了算例验证,得到了将深度学习应用于潮流判敛问题的一些重要结论.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈颖	电力系统国家重点实验室清华大学电机系	11	332	8.0	11.0
2	沈沉	电力系统国家重点实验室清华大学电机系	19	501	13.0	19.0
3	马丁	电力系统国家重点实验室清华大学电机系	1	0	0.0	0.0
4	李东晟	电力系统国家重点实验室清华大学电机系	1	0	0.0	0.0