文献类型：期刊文章

作　　者：魏文兵[1] 毛钧毅[2] 荣娜[2] 郑发松[3] 秦岭[4] 荣新瑞[3]

WEI Wenbing;MAO Junyi;RONG Na;ZHENG Fasong;QIN Ling;RONG Xinrui(Lanzhou Electric Power Supply Company,State Grid Gansu Electric Power Co.,Ltd.,Lanzhou 730070,Gansu,China;Department of Electrical Engineering,Guizhou University,Guiyang 550025,Guizhou,China;Guizhou Jinyuan Wenning Energy Co.,Ltd,State Power Investment Corporation,Bijie 550081,Guizhou,China;Guizhou Jinyuan Co.,Ltd,State Power Investment Corporation Guiyang 550025,Guizhou,China)

机构地区：[1]国网甘肃省电力公司兰州供电公司,甘肃兰州730070 [2]贵州大学电气工程学院,贵州贵阳550025 [3]国家电投贵州金元威宁能源股份有限公司,贵州毕节550081 [4]国家电投贵州金元股份有限公司,贵州贵阳550025

出　　处：《电网与清洁能源》

基　　金：国家自然科学基金项目(51567006);贵州省普通高等学校科技拔尖人才支持计划项目(2018036);贵州省科学技术基金项目(黔科合基础[2019]1100)。

年　　份：2020

卷　　号：36

期　　号：11

起止页码：68-76

语　　种：中文

收录情况：IC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：为了发展基于数据驱动的电力系统暂态稳定性预测理论与方法,提出了一种基于随机矩阵理论与卷积神经网络的暂态电压稳定快速评估方法。通过构建高维随机矩阵,从电网底层量测数据中提取高阶特征作为输入;凭借一维卷积和池化运算特性所具有的特征提取能力,充分挖掘输入特征与电压稳定评估结果之间的非线性映射关系,建立了基于一维CNN的暂态电压稳定评估模型。利用PSS/E和Matlab软件,算例分析在新英格兰10机39节点测试系统中展开,与传统机器学习评估方法的结果进行比较,结果表明,所提方法具有正确率高、计算时间短及抗噪性能高的优点。

关 键 词：卷积神经网络 随机矩阵理论  暂态电压稳定 数据驱动 稳定性预测  高阶特征  

分 类 号：TM712]