首页|基于数据增强和深度残差网络的电力系统暂态稳定预测

基于数据增强和深度残差网络的电力系统暂态稳定预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统数据驱动的电力系统暂态稳定分析方法中,较少考虑输入数据存在噪声和信息缺失后对预测模型性能的影响问题,提出一种基于数据增强和深度残差网络的暂态稳定预测方法.首先,考虑噪声和信息缺失情况,对原始训练数据进行扩充;然后,采用发电机受扰后动态数据作为输入特征;考虑到输入的高维时序数据具有图像的特点,利用图像处理中一种特殊的卷积神经网络—深度残差网络构建用于暂态稳定评估的深层模型.算例分析表明,所提出的方法能够提高模型的泛化能力,在含噪声以及部分发电机信息缺失情况下具有更好的鲁棒性.
Transient Stability Prediction of Power Systems Based on Deep Residual Network and Data Augmentation

周艳真、查显煜、兰健、郭庆来、孙宏斌、薛峰、王胜明

展开 >

清华大学 电机工程与应用电子技术系,北京 100084

南瑞集团有限公司(国网电力科学研究院有限公司),江苏 南京 211106

智能电网保护和运行控制国家重点实验室,江苏 南京 211106

暂态稳定 深度学习 深度残差网络 数据增强 电力系统 噪声 信息缺失

国家电网公司科技项目

2020

中国电力
国网能源研究院 中国电机工程学会

中国电力

CSTPCDCSCD北大核心
影响因子：1.463
ISSN：1004-9649
年,卷(期)：2020.53(1)
  • 25
  • 9