基于一维卷积神经网络的电力系统暂态稳定在线评估

• 作者: 齐放
• 来源期刊: 四川电力技术
• 关键词: 电力系统 暂态稳定在线评估 一维卷积神经网络 马尔可夫链蒙特卡洛抽样算法 发电机最大功角差 新英格兰39节点系统
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 电网技术|Power System Technology
• 页码范围: 38-42,89
• 页数: 6页
• 分类号: TM721
• 语种: 中文
• DOI: 10.16527/j.issn.1003-6954.20210408

摘要

传统电力系统暂态稳定评估基于时域仿真计算,计算复杂度高,难以在线应用.提出一种基于一维卷积神经网络的电力系统暂态稳定在线评估,可极大提升暂态稳定在线评估速度.通过马尔可夫链蒙特卡洛抽样算法进行电力系统运行状态模拟,生成大规模运行数据.通过电力系统时域仿真计算确定发电机最大功角差.将电力系统运行数据作为一维卷积神经网络的输入,发电机最大功角差作为输出,训练一维卷积神经网络.在线应用场景下,一维卷积神经网络可基于当前运行数据快速计算发电机最大功角差,实现暂态稳定性在线评估.新英格兰39节点系统验证了所提在线评估算法的可行性.