科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着新能源并网以及大量电力电子器件的投入，电力系统的数据类型向多元复杂化的趋势发展。针对大规模电力系统中出现的不良数据辨识性能差、辨识效率低的问题，提出了一种基于改进Wasserstein生成式对抗网络（WGAN-GP）的不良数据辨识方法。基于历史数据库中的状态量得到多断面正常量测数据并训练WGAN-GP模型；将含不良数据的量测信息输入训练好的WGAN-GP模型，得到对应的量测重构数据，并得到最终的量测重构误差；为了避免人为确定阈值的主观性，提出了一种基于C4.5决策树模型的不良数据阈值确定方法，将量测重构误差输入训练好的决策树模型，即可定位1组量测信息中的不良数据位置。以IEEE标准系统和某实际省网为算例进行仿真测试，结果表明相较于已有方法，所提方法具有更好的辨识性能和更高的辨识效率。
-
单位河海大学; 电气学院
