排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
辨识出连锁故障发展过程中的关键线路,对采取有效的连锁故障抑制策略,保障电网安全稳定运行具有重要作用。提出一种基于FP-growth算法的大电网关键线路辨识方法。利用FP-growth算法对基于电网运行可靠性模型进行连锁故障模拟生成的连锁故障事故链集合进行数据挖掘,发掘事故链集隐藏的关联规则,辨识连锁故障发展过程中的关键线路,对关键线路进行风险分析,并分析其对连锁故障的影响。IEEE 118节点系统仿真结果表明,所提方法能够有效辨识出连锁故障发展过程中的危险线路。 相似文献
2.
3.
4.
实际获得的电力系统运行数据,普遍存在由广域测量系统(WAMS)测量误差造成的噪声,并且具备类别不平衡的特点,导致基于机器学习的电力系统暂态稳定评估算法的分类性能受到很大的影响。提出了一种基于改进轻梯度提升机(modified light gradient boosting machine)模型的暂态稳定评估方法,采用直方图算法对数据进行离散化,增强模型对噪声的鲁棒性;在训练中对失稳样本赋予更高的权重,平衡样本数量差异造成的影响;并在损失函数中引入正则项来控制模型复杂度,减少过拟合,从而适应电力系统多样的运行情况。在新英格兰10机39节点系统和美国南卡罗莱纳州500节点实际电网上的仿真结果表明,与其他机器学习方法相比,所提方法在噪声干扰下不容易过拟合,具有更好的鲁棒性;在保持较高总体评估准确率的同时,对失稳样本具有更高的识别率;与其他集成学习模型相比,所提方法在速度上也具有明显优势。 相似文献
5.
输电线路老化失效事故的发生,会导致线路停运,由此导致的潮流转移可能会造成其他正常线路过载,从而严重危害电力系统的安全稳定运行。因此,有必要深入研究输电线路老化对系统安全稳定的影响,并采取相应的预防控制措施以减小系统运行风险。基于风险理论给出了线路老化失效概率的计算方法,构建了一种连续可导的线路老化失效后系统的过载风险指标;进而建立了一种计及风险的电力系统快速预防控制模型。针对模型的特点,引入支路开断分布因子,以减少预防控制模型求解过程中优化变量和约束条件的数量,从而有效地提高了模型的求解效率。仿真算例验证了所提模型的有效性和高效性。 相似文献
6.
在机器学习领域,暂态稳定评估问题被定义为通过大量故障样本来估计稳定边界的二分类问题。该文提出了一种深度学习方法来解决这个二分类问题。该方法包含4个步骤:首先,利用样本数据构建原始输入特征来描述电力系统动态特性;然后,采用变分自动编码器(variational auto-encoders,VAE)对原始输入特征进行无监督学习实现特征抽取,从而获得高阶特征;之后,对卷积神经网络(convolution neural network,CNN)进行有监督学习训练得到高阶特征与电力系统暂态稳定性之间的映射关系;最后,将训练得到的模型应用于电力系统在线暂态稳定评估。在新英格兰39节点测试电力系统的仿真试验表明,所提出的暂态稳定评估(transient stability assessment,TSA)模型具有评估精度高、不稳定样本评估错误率低、抗噪声干扰能力强的特点,适合基于广域测量信息的准实时在线暂态稳定评估。 相似文献
1