基于数据增强和深度残差网络的电力系统暂态稳定预测

• 作者: 兰健 周艳真 孙宏斌 查显煜 王胜明 薛峰 郭庆来
• 来源期刊: 中国电力
• 关键词: 暂态稳定 深度学习 深度残差网络 数据增强 电力系统 噪声 信息缺失
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信息物理电力系统(CPPS)专栏
• 页码范围: 22-31
• 页数: 10页
• 字数: 6230字
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.201912113

摘要

针对传统数据驱动的电力系统暂态稳定分析方法中,较少考虑输入数据存在噪声和信息缺失后对预测模型性能的影响问题,提出一种基于数据增强和深度残差网络的暂态稳定预测方法.首先,考虑噪声和信息缺失情况,对原始训练数据进行扩充;然后,采用发电机受扰后动态数据作为输入特征;考虑到输入的高维时序数据具有图像的特点,利用图像处理中一种特殊的卷积神经网络—深度残差网络构建用于暂态稳定评估的深层模型.算例分析表明,所提出的方法能够提高模型的泛化能力,在含噪声以及部分发电机信息缺失情况下具有更好的鲁棒性.