一种基于人工智能的自适应去噪暂态稳定评估方法，步骤1：选择故障清除后0‑2个周波内的电气特征作为原始特征，建立原始数据集；步骤2：模拟真实电力系统的随机噪声，进行真实噪声建模；步骤3：构建噪声识别模型，输出一组能够反映输入数据中噪声分布的权值；步骤4：基于期望噪声数据训练单一去噪评估模型，可以对特定的噪声输出评估结果；步骤5：构建自适应去噪组合评估模型，实时得到电力系统的暂态稳定评估TSA结果，本发明专利技术的优点是基于人工智能，能适应实际电气信息噪声数据的随机性及复杂性，保障了电力系统暂态稳定安全运行。
【技术实现步骤摘要】
本专利技术属于电力系统暂态稳定评估的，具体涉及一种基于人工智能的自适应去噪暂态稳定评估方法。
技术介绍
1、随着电力系统中同步相量测量装置(phasor measurement unit,pmu)的发展，基于人工智能的电力系统暂态稳定评估(transient stability assessment,tsa)逐渐成为研究热点，人工智能不仅能够处理电力系统中大量的数据样本，对于不同故障的适应性强，而且计算速度快，能够满足实时tsa的需求。基于人工智能的tsa主要是通过离线训练大量的电力系统故障样本，寻找电气特征与电力系统运行状态之间的映射关系建立tsa模型。在实时输入pmu测量数据时，通过tsa模型进行在线评估。
2、tsa的准确性取决于输入数据的可靠性，然而，pmu的测量会受到时间同步和相量估计缺陷的影响。此外，数据在传输过程中可能会由于人工操作或通信故障而损坏。离线训练得到的模型往往难以适应实际中复杂的数据干扰，进而会影响评估结果的准确性。
3、现有的电力系统去噪评估模型大都是通过挖掘输入数据的深度特征进行去噪，提高评估模型的性能本文档来自技高网...
【技术保护点】
1.一种基于人工智能的自适应去噪暂态稳定评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的自适应去噪暂态稳定评估方法，其特征在于：在所述步骤1中，运用电力系统暂态稳定仿真，设置电力系统不同运行方式、故障位置及故障持续时间，生成由故障清除后的0-2个周波内的发电机的有功及无功出力、母线电压及幅值、负荷有功及无功电气特征，再根据暂态稳定指标，确定样本标签，由此构建原始特征数据集。
3.根据权利要求1所述的一种基于人工智能的自适应去噪暂态稳定评估方法，其特征在于：在所述步骤2中，真实噪声建模具体包含以下步骤：
>4.根据权利要求3...
【技术特征摘要】
1.一种基于人工智能的自适应去噪暂态稳定评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的自适应去噪暂态稳定评估方法，其特征在于：在所述步骤1中，运用电力系统暂态稳定仿真，设置电力系统不同运行方式、故障位置及故障持续时间，生成由故障清除后的0-2个周波内的发电机的有功及无功出力、母线电压及幅值、负荷有功及无功电气特征，再根据暂态稳定指标，确定样本标签，由此构建原始特征数据集。
3.根据权利要求1所述的一种基于人工智能的自适应去噪暂态稳定评估方法，其特征在于：在所述步骤2中，真实噪声建模具体包含以下步骤：
4.根据权利要求3所述的一种基于人工智能的自适应去噪暂态稳定评估方法，其特征在于：在所述步骤2-1中，真实噪声用一个振幅的概率密度函数服从高斯分布且功率谱密度呈均匀分布的高斯白噪声来模拟。
5.根据权利要求3所述的一种基于人工智能的自适应去噪暂态稳定评估方法，其特征在于：在所述步骤2-2中，通过在原始数据中加入不同的高斯白噪声，得到期望噪声数据，实际的噪声分布通过给这一组数据分配权重来拟合，其权重分配满足以下关系：
6.根据权利要求1所述的一种基于人工智能的自适应去噪暂态稳定评估方法，其特征在于：在所述步骤3中，建立基于递归神经网络rnn的噪声识别模型，再将真实数据与期望噪声数据通过基于rnn的噪声识别模型进行拟合回归分析，应用噪声识别模型来识别实际噪声的分布，并输出权重系数。
7.根据权利要求6所述的一种基于人工智能的自适应去噪暂态稳定评估方法，其特征在于：建立基于rnn的噪声识别模型，由基于高斯白噪声生成的期望噪声数据构成输入特征，真实数据作为标签，构成数据集，将其输入基于rnn的噪声识别模型中，其输出结果为每一组期望噪声数据与真实数据的相关权重系数w1-wn。
8.根据权利要求1所述的一种基于人工智能的自适应去噪暂态稳定评估方法，其特征在于：...
【专利技术属性】
技术研发人员：张磊，刘颂凯，胡伟，黄悦华，李斯吾，杨楠，李振华，叶婧，赵辛欣，程紫娟，
申请(专利权)人：三峡大学，
类型：发明
国别省市：
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。