基于深度森林的电力系统暂态稳定评估方法

作者：李淼; 雷鸣; 周挺; 李永龙; 肖宜; 严斌俊

来源：电测与仪表, 2021, 58(02): 53-58.

DOI：10.19753/j.issn1001-1390.2021.02.009

• 深度学习
• 暂态稳定评估
• 深度森林

快速准确地实现暂态稳定评估,是电力系统安全运行的重要保障。近年来迅速发展的深度学习技术已经成为解决这一问题的有效手段,然而基于神经网络的深度学习模型存在着调参困难、训练时间长和样本需求量大等缺点。文中将故障切除时刻系统的物理量作为输入特征,以系统的暂态稳定状态作为输出结果,采用集成决策树方法,构建了基于深度森林的电力系统暂态稳定评估模型。新英格兰39节点系统的算例分析表明,所提方法与深度神经网络相比,参数设置简单、训练速度更快,即使在训练样本数量较少时也能有效避免过拟合,具有良好的泛化能力。

• 单位
  武汉大学; 自动化学院; 国网湖北省电力公司