基于分类-回归卷积神经网络的新能源电力系统可靠性评估方法

作者：邵成成; 任孟极; 徐天元; 钱涛; 王锡凡

来源：中国电机工程学报, 2023, 1-12.

• 卷积神经网络
• 可靠性评估
• 分类-回归
• 数据驱动

Monte Carlo模拟（MCS）在复杂电力系统可靠性评估中广泛应用，但计算效率较低。针对此，本文提出了一种基于卷积神经网络（Conventional neural network， CNN）的可靠性评估方法，在时序MCS框架下采用CNN加速系统状态评估计算。首先，构造了反映系统运行状态的特征向量，建立了基于CNN的系统失负荷量回归模型。其次，针对可靠性评估样本不均衡、回归训练效率低的问题，进一步建立了系统状态分类器，形成了基于CNN的分类-回归模型。此外，针对CNN训练样本和实际评估样本不一致的问题，提出了分类结果矫正机制，进一步提升模型的实用性。最后通过改编IEEE-RTS系统的计算分析验证了所提方法的有效性和优越性。

• 单位
  西安交通大学