科研之友
微信
新浪微博
Facebook
分享链接
摘要
当前，以深度学习为代表的数据驱动方法已广泛应用于电力暂态稳定性分析中。然而，现有研究数据驱动的暂态稳定模型在面对小样本、弱样本等实际场景时，存在泛化能力有限，模型精度不足等问题。为了提高模型的表达能力，本文提出一种基于运行数据和故障数据的精细化暂态稳定评估方法。首先，根据电力系统暂态稳定机理模型构建故障时间、故障位置、受扰线路和负荷水平4个故障信息特征。然后，提出并行融合和串行融合两种特征融合方式，实现运行特征和故障特征的统一表达，并对多源特征融合方式对暂态稳定分析模型的影响进行了深入分析。新英格兰系统算例的实验结果表明，基于多源数据混合驱动的暂态稳定分析方法有利于提高暂态稳定评估模型的准确度，在面对适用于小样本、弱样本等实际场景仍具有较高的准确率。
-
单位太原理工大学; 山西电力科学研究院
