融合关键机组信息与相平面图像的暂态稳定评估方法OA北大核心CSTPCD
针对传统基于电力系统时序数据的机器学习方法对系统深层耦合信息挖掘不充分的问题,将失稳模式作为先验知识引入机器学习,提出一种融合系统关键机组信息的暂态稳定性评估方法.该方法通过潮流追踪原理对线路计算各发电机潮流贡献度,得出系统关键机组权重.根据图像形态学原理,对相平面轨迹图像依照关键机组权重进行特征增强.在IEEE-39节点和IEEE-145节点系统下的仿真结果表明,所提方法较传统评估方法具有更好的评估性能,所构建的相平面图像样本较传统时序图像样本拥有更小的占用空间和更优的分类性能.
范欣辰;王怀远;温步瀛;
福州大学电气工程与自动化学院,新能源发电与电能变换重点实验室,福建福州350108
动力与电气工程
暂态稳定性评估深度学习相平面潮流追踪失稳模式
《福州大学学报（自然科学版）》 2024 (005)
P.544-551 / 8
福建省自然科学基金资助项目(2022J01113);国网青海省电力公司科技资助项目(SGQH0000DKJS2310347)。
评论