电网技术

2020, v.44;No.438(05) 1776-1787

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于两阶段集成深度置信网络的电力系统暂态稳定评估
Transient Stability Assessment of Power System Based on Two-stage Ensemble Deep Belief Network

邵美阳;吴俊勇;李宝琴;张若愚;

摘要(Abstract):

随着人工智能的发展,深度学习技术开始应用于电力系统暂态稳定评估,但面临着模型结构选择和评估性能优化等困难。为充分发挥深度学习的优势,提出一种两阶段集成深度置信网络(deep belief network,DBN)的评估方法。第1阶段预测故障后电力系统的暂态稳定性,由于输入特征和模型结构对暂态稳定评估的影响较大,选择原始电气特征、人工经验特征和堆叠降噪自动编码器提取的特征分别作为输入,训练不同结构的DBN模型,按概率集成机制,建立集成DBN模型,并评价结果的可信度。第2阶段,利用DBN暂稳程度回归预测模型进一步评估可信样本的稳定或失稳程度。在新英格兰10机39节点系统上的仿真结果表明所提方法预测精度高,具有良好的故障筛选性能,同时还能准确衡量可信样本的稳定或失稳程度,为后续控制提供可靠的参考信息。

关键词(KeyWords): 深度置信网络;暂态稳定评估;堆叠降噪自动编码器;集成学习;特征提取

Abstract:

Keywords:

基金项目(Foundation): 国家重点研发计划项目(2018YFB0904500)~~

作者(Author): 邵美阳;吴俊勇;李宝琴;张若愚;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享