考虑惯量中心频率偏移的自编码器暂态稳定评估

• 作者: 赵冬梅 王闯 谢家康 马泰屹
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 深度学习 电力系统 惯量中心频率 暂态稳定 堆叠稀疏自编码器
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 电力系统|Power System
• 页码范围: 662-670
• 页数: 9页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2021.0262

摘要

针对传统深度学习方法评估电力系统暂态稳定时没有考虑电力系统物理特性的问题,提出一种考虑系统惯量中心频率偏移量的电力系统暂态稳定评估方法.通过计算电力系统故障后的惯量中心频率偏移量,将样本进行分类,分别用堆叠稀疏自编码器进行训练.当系统网架结构发生改变时,采用迁移成分分析法结合惯量中心频率偏移量对分类器进行更新.通过新英格兰10机39节点系统上的仿真结果表明所提方法比传统深度学习方法及迁移学习方法精度更高、泛化性能更强.当部分同步向量测量单元缺失以及数据中含有噪声时也能取得很好的效果.