科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了满足安全裕度概念下电力系统暂态稳定评估的准确率和时效性,提出了基于深度学习的堆稀疏自编码神经网络(SSAEN)预判模型.首先尝试将母线时序电压数据构成的矩阵看作蕴含暂态运行机制的模式图,然后利用SSAEN逐层级地挖掘模式图的主导特征,并通过分析SSAEN的连接权重阐述了主导特征及其演变过程.最后通过Logistic分类器识别主导特征,预判未来时刻系统的稳定性.基于IEEE39系统仿真样本进行了实验,实验结果表明,SSAEN具有较高的准确度和预测速度,可为系统暂态失稳情况提供足够的安全时间裕度.
- 单位
