考虑暂态稳定过程的电力系统运行状态辨识

作     者：赵津蔓 韩肖清 牛哲文 张庚午 杨晶 李柏堉 武宇翔 ZHAO Jinman;HAN Xiaoqing;NIU Zhewen;ZHANG Gengwu;YANG Jing;LI Baiyu;WU Yuxiang

作者机构：太原理工大学电气与动力工程学院山西省太原市030024 

出 版 物：《中国电机工程学报》 (PROCEEDINGS OF THE CHINESE SOCIETY FOR ELECTRICAL ENGINEERING)

年 卷 期：2024年第44卷第20期

页      码：7970-7982,I0005页

摘      要：数据驱动背景下的电力系统状态辨识包含故障前和故障后两个场景,分别具有安全域和稳定域概念下的分析特点。受限于样本特征及应用场景的不一致,现有研究通常将其作为两个独立的问题进行建模。一方面,独立建模忽略了两者间的时序耦合性;另一方面,电力系统运行状态时刻在发生变化,基于单一场景建立的网络模型仅适配当前场景,基于双场景独立建模存在模型切换复杂及参数更新耗时过长等问题。针对以上问题,该文提出一种基于多尺度密集网络的电力系统状态辨识方法,同时适用于故障前和故障后暂态稳定场景。首先,采用自适应池化层结构,建立适用于时间断面特征和时序特征类型输入的电力系统运行状态辨识模型,可同时应用于故障前和故障后的场景;其次,考虑到安全域和稳定域概念下暂态稳定数学模型的时序相关性,设计一种基于知识推理的样本自适应选择机制,通过网络“动态”特性表达故障前和故障后场景间的时序关系,提高计算效率。最后,在新英格兰10机39节点算例系统和实际电网中验证了所提方法的有效性与优越性。

主 题 词：运行状态辨识 动态神经网络 深度学习 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 

核心收录：

D　O　I：10.13334/j.0258-8013.pcsee.231219

馆 藏 号：203154844...