基于卷积神经网络的直流送端系统暂态过电压估算方法

• 作者: 张嵩 张艳军 张赫 王长江 陈厚合 魏俊红
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 高压直流 卷积神经网络 暂态过电压 人工智能
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 电力系统
• 页码范围: 2987-2997,中插11-中插12
• 页数: 1页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2019.1555

摘要

为有效预测大扰动过程中直流送端系统的暂态过电压,提出一种基于卷积神经网络(convolutional neural networks,CNN)的直流送端系统暂态过电压估算方法.首先,基于CNN输入特征构建的基本原理,搭建具有多层隐含层的非线性网络结构,将广域量测装置采集的各节点电压、相角及功率作为输入层,依据电网节点的拓补关系及故障发生到切除的时间顺序进行拼接,得到表征电网状态的矩阵.然后,优化调整CNN的超参数,采用梯度下降法进行有监督训练,通过逐层优化输入层与卷积层之间的权重矩阵,实现关键特征值的自动提取,同时利用CNN的深层架构构建暂态过电压与输入数据间的映射模型,快速准确地估算直流送端系统暂态过电压.最后,对修改后的Nordic32交直流混合系统和广东电网系统进行分析,验证该方法的有效性和准确性.