基于一维卷积神经网络的电力系统暂态稳定在线评估

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。     

极端天气下基于时间卷积神经网络的新能源出力评估策略

新能源高渗透率背景下,极端天气造成的出力骤降对电力系统安全运行构成严重挑战,准确评估极端天气下的新能源出力深度是制定电力系统运行方式的重要依据。本文提出一种基于改进的深度时间卷积神经网络(deep temporal convolutional network,DeepTCN)的新能源出力评估方法。通过设计具有动态输入权重的时间卷积神经网络架构,准确量化估计了极端天气对新能源出力的影响,从而为制定极端天气下的电力系统运行方式提供风险程度信息。基于实际电力系统新能源出力数据集的算例结果表明,与常规的时序预测方法相比,所提方法的标准化均方根误差、对称平均绝对百分比误差和平均绝对标度误差3个指标分别最高可提升1.2,0.1和0.22。所提方法能够实现对极端天气下新能源出力的更精准评估。     

基于深度学习的多输入特征融合的暂态电压稳定性评估方法

暂态电压稳定性评估是电力系统稳定性评估中的难点和重点.提出一种基于深度学习、考虑多输入特征集的暂态电压稳定性评估方法,首先建立包含故障前、故障发生时刻、故障切除时刻的多输入故障集;然后基于深度学习建立卷积神经网络并离线训练PMU数据,最终达到快速准确评估暂态电压稳定性的目的.仿真结果表明,提出的评估方法与现有的神经网络...     

深度学习在智能电网中的应用现状分析与展望

深度学习是机器学习研究中的一个新领域,其强大的数据分析、预测、分类能力契合智能电网中大数据应用的需求。文中首先总结了深度学习基本思想,介绍深度学习的5种模型(生成式对抗网络、递归神经网络、卷积神经网络、堆叠自动编码器和深度信念网络)的结构、基本原理、训练方法,概括其应用特征。综述了电力系统中的故障诊断、暂态稳定性分析、负荷及新能源功率预测、运行调控等应用深度学习技术的研究现状。针对深度学习的技术特点,结合电力系统各生产环节,构建深度学习技术在电力系统中的应用框架。最后,从多能源系统运行调控、电力电子化系统安全分析、柔性设备故障诊断、电力信息物理系统的安全防护等方面对深度学习应用进行展望。     

极端冰雪灾害对电力系统运行影响的综合评估

冰雪等极端气象事件可影响电力系统运行,甚至破坏输变电设备.电力系统智能化调度决策和安伞防御体系需要预知气象事件,并对其影响做出量化评估.分析冰雪灾害侵袭电网的过稃特点,设计冰雪灾害下电力系统运行模拟程序框架,开发了初步的冰雪气象条件下电力系统运行的模拟程序.提出一种综合评价方法来评价气象事件对电网的影响,从稳定性、安全性和经济性3方面进行考虑,并采用层次分析法(analytic hierarchy process,AHP)对各层面的影响进行综合评估.将所述方法用十冰雪灾害侵袭电网的各个典型阶段的综合评估.仿真结果表明该方法可量化极端冰雪气象事件对电网影响的程度和趋势.     

结合图嵌入算法的电力系统多任务暂态稳定评估

电力系统功角稳定与电压稳定是电力系统安全稳定运行的基础,稳定性分析是制定稳定控制策略的依据之一.考虑电网拓扑对电力系统暂态稳定性的影响,利用Node2vec图嵌入算法将电网拓扑映射为低维稠密矩阵,获得电力系统的空间拓扑特征向量,并将其与电气量测数据相组合形成重构数据集,作为评估模型的输入.考虑到电力系统多种稳定性问题往...     

图像化数据驱动的电力系统暂态稳定性在线评估方法

目前电力系统暂态稳定性评估（TSA）大多采用标准算例生成的数据集,然而实际电网的母线、发电机、线路等电力元件的数量巨大,难以实现评估模型的实时监视和在线更新;而现有降维方法常常遗漏重要信息,导致预测精度下降。提出一种图像化数据驱动的电力系统暂态稳定性在线评估方法,将输入时间序列重新排列成二维图像,利用二维主成分分析法（2D-PCA）对原始图像进行特征降维,并建立卷积神经网络（CNN）模型进行系统稳定性预测。在IEEE-39算例中进行验证,结果表明本文所提基于2D-PCA和CNN的TSA模型在保证预测精度的同时能够大幅提高训练效率,有望推进深度学习在电力系统暂态稳定性在线评估的应用。     

一种基于权重系数反馈校正的机场配电网运行安全评价方法

智能电网技术的应用使得机场电网结构和运行方式日趋复杂,不确定性因素随之增加,加大了机场电网的运行风险.本文提出一种基于权重系数反馈校正的机场智能电网运行安全评价方法,基于所构建的机场配电网运行评价指标体系,在进行系统开环评价后,引入基于模糊神经网络算法的权重系数反馈校正过程,实现对评估系统的反馈调整,从而提高评估算法的...     

基于深度强化学习的电网紧急控制策略研究

提出一种基于深度强化学习的电网切机控制策略,所提控制策略依据电网运行环境信息,通过数据分析得到切机控制策略。首先介绍强化学习框架,阐述学习算法原理,并详细介绍Q-Learning方法。然后介绍深度学习基本概念和深度卷积网络原理,提出利用深度卷积网络提取电网运行特征,构建切机策略的思路。再结合深度学习和强化学习,构建深度强化学习框架,其中深度学习采用深度卷积神经网络模型用于提取特征,强化学习采用双重Q-Learning和竞争Q-Learning模型计算Q值,通过比较Q值大小得到切机控制策略。最后,利用IEEE 39节点系统验证了方法的正确性。     

基于深度人工神经网络和GIS数据的最优停电模型研究

为了有效利用地理信息技术支撑复杂大电网的信息化建设,针对停电事故对电力系统运行和日常生活带来的诸多影响,提出基于深度人工神经网络和GIS数据的最优停电模型。结合电力系统运行的特殊性,把最优参数设置和增量反馈结合用来优化受限玻尔兹曼机算法。通过仿真分析了算法的性能。仿真结果表明,采用深度神经网络的最优停电模型可以提高计算效率和精度。