首页|基于知识发现和分层ELM的暂态失稳模式辨识

基于知识发现和分层ELM的暂态失稳模式辨识

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了有效辨识电力系统暂态失稳后发电机的动态行为,以失稳后的功角数据为输入特征信息,提出一种基于知识发现和分层极限学习机(ELM)的失稳模式辨识方法.首先利用ELM快速辨识系统暂态不稳定的功角样本.为了充分利用不稳定样本自身结构来挖掘关键信息,引入知识发现算法KODAMA以获取发电机的不稳定动态行为模式,构建失稳功角模态集.然后,根据所得模态数据集,为提高不稳定模式辨识的准确性,设计了分层ELM的辨识策略以辨识发电机的失稳模式.最后,在Nordic系统中验证所提方法的有效性,测试结果表明提出的辨识方法能够准确地辨识失稳模式,且在保证尽可能高精度的前提下,具有相对快速的评估速度.
Identification of power system transient instability mode based on knowledge discovery and hierarchical ELM

李欣、胡晓乐、郭攀锋

展开 >

三峡大学电气与新能源学院,湖北宜昌443002

暂态稳定 知识发现算法 极限学习机 人工智能

国家自然科学基金资助项目湖北省教育厅科学技术研究计划优秀中青年人才项目

52107107Q20191205

2021

10.13624/j.cnki.issn.1001-7445.2021.0982

广西大学学报(自然科学版)
广西大学

广西大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.767
ISSN：1001-7445
年,卷(期)：2021.46(4)
  • 8