【技术实现步骤摘要】
一种基于卷积神经网络CNN的电力系统暂态电压稳定评估方法
本专利技术涉及一种基于卷积神经网络(convolutionalneuralnetworks，CNN)的电力系统暂态电压稳定评估方法，尤其是电力系统暂态电压稳定在线评估方法。
技术介绍
随着我国电力系统不断发展，跨省互联大规模电网和交直流输电线路投入运行，使电力系统的安全稳定运行面临着重大的考验。为使我国避免出现类似印度、西欧、美国大停电等特大安全事故，对电网进行暂态稳定评估进行研究是很有必要的。电力系统暂态稳定评估(transientstabilityas-sessment,TSA)是关系到电力系统稳定安全稳定运行的重要方法。暂态电压稳定特点：机理复杂，目前尚无统一理论；是一个动态过程，影响因素众多；感应电动机负荷造成的暂态电压失稳非常迅速，时间在0.1s-10s之间，对系统的安全稳定控制提出了较高的要求。目前，时域法和直接法是传统的暂态电压稳定评估中的常用方法，但时域法虽然结果较准确，但计算量大、费时长、速度上不能满足在线暂态电压稳定评估的要求；而直接法存在精度不高，计算结果偏保守，只适用于简单系统，复杂...
【技术保护点】
1.一种基于卷积神经网络CNN的电力系统暂态电压稳定评估方法，其特征在于，包括以下几个步骤：步骤1，进行卷积神经网络CNN离线训练，得到暂态稳定评估离线训练模型，具体包括：步骤1.1，利用Matlab和BPA，进行计算仿真，通过设置不同的运行方式和故障位置，来得到大量数据，并分为训练数据和测试数据步骤1.2，对步骤1.1中的故障数据进行预处理，构建36维特征量，并分为训练样本和测试样本，定义如下：特征量1为故障前发电机无功之和；特征量2～3为故障前节点的有功和无功之和；特征量4～5为故障前各支路有功和无功之和；特征量6～8为故障前节点电压最大值、最小值和均值；特征量9～11...
【技术特征摘要】
1.一种基于卷积神经网络CNN的电力系统暂态电压稳定评估方法，其特征在于，包括以下几个步骤：步骤1，进行卷积神经网络CNN离线训练，得到暂态稳定评估离线训练模型，具体包括：步骤1.1，利用Matlab和BPA，进行计算仿真，通过设置不同的运行方式和故障位置，来得到大量数据，并分为训练数据和测试数据步骤1.2，对步骤1.1中的故障数据进行预处理，构建36维特征量，并分为训练样本和测试样本，定义如下：特征量1为故障前发电机无功之和；特征量2～3为故障前节点的有功和无功之和；特征量4～5为故障前各支路有功和无功之和；特征量6～8为故障前节点电压最大值、最小值和均值；特征量9～11为故障前支路电流的最大值、最小值、方差；特征量12～14为t0故障发生时刻支路电流变化率的最大值、最小值、方差；特征量15～17为t0故障发生时刻节点电压变化率的最大值、最小值、方差；特征量18～20为t1故障切除时刻各发电机无功加速最大值、均值和方差；特征量21～23为t1故障切除时刻节点电压的最大值、最小值、方差；特征量24～26为t1故障切除时刻节点电压变化率的最大值、最小值、方差；特征量27～29为从t0到t1时刻各发电机增发无功的最大值，均值及方差；特征量30～32为从t0到t1时刻各节点电压相角变化量的最大值，均值与方差；特征量33～34为从t0到t1时刻支路有功和无功变化量之和；特征量35～36为从t0到t1时刻节点有功和无功变化量之和；步骤1.3，对应于每一个样本，根据母线电压持续低于0.75pu的时间不超过ls为电压稳定状态来确定样本的标签，形成测试集和样本集步骤1.4，根据训练集的大小和特点初步确定CNN的网络结构、卷积核的个数和大小，利用训练集进行训练，基于CNN训练过程中的损失函数来不断改变CNN网架结构、卷积核个数和大小，最终综合比较选...
【专利技术属性】
技术研发人员：任正，龚庆武，王达，张平，张晓达，刘春晖，杜智超，张明明，李斯特，郑博文，王波，乔卉，吴留闯，
申请(专利权)人：国网内蒙古东部电力有限公司电力科学研究院，武汉大学，国家电网有限公司，
类型：发明
国别省市：内蒙古,15
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。