基于特征分离型神经网络的电力系统暂态稳定性评估与优化方法

• 作者: 周子涵 卜广全 马士聪 王国政 邵德军 徐友平 党杰
• 来源期刊: 电网技术
• 关键词: 电力系统 暂态稳定 机器学习 迁移学习 神经网络
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 电力系统|Power System
• 页码范围: 3658-3666
• 页数: 9页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2020.1356

摘要

该文基于神经网络(artificial neural networks,ANN),提出一种特征分离型暂态稳定智能评估模型,并针对迁移学习样本生成过程提出样本生成方法.根据不同电气特征对电力系统暂态稳定性的关联程度不同,利用神经网络构建了特征分离型暂态稳定智能评估模型;针对潮流变化或拓扑变化的影响,引入迁移学习方法对评估模型进行再训练,提出关键故障位置原则和关键故障持续时间原则指导迁移学习样本生成过程;进而提出通过调节机组出力提升暂态稳定性的优化算法.算例结果验证了分离特征对评估性能提升的有效性;采用迁移学习样本生成原则在减少样本生成数量、提升评估性能方面效果显著;所提优化模型能够有效提升电力系统暂态稳定性,为电力系统暂态稳定性智能评估与优化提供了新的思路.