基于支持向量机和长短期记忆网络的暂态功角稳定预测方法

作者：刘俐; 李勇; 曹一家; 汤吉鸿; 朱军飞; 杨丹; 王炜宇

来源：电力自动化设备, 2020, 40(02): 129-139.

DOI：10.16081/j.epae.202001009

• 暂态功角稳定预测
• 支持向量机
• 循环神经网络
• 长短期记忆网络
• 功角轨迹预测

为实现暂态功角稳定性及功角轨迹的预测,提出一种支持向量机(SVM)与长短期记忆(LSTM)网络相结合的预测方法。根据系统动态特性构造暂态特征变量,采用SVM训练暂态稳定性分类器,对暂态稳定进行初步评估;利用LSTM网络对分类器评估的失稳样本进行发电机功角轨迹预测,提前发现失稳机组,减少误判样本数。通过IEEE 10机39节点系统产生训练样本并对所提方法进行测试,结果验证了所提方法的快速性和精确性。

• 单位
  湖南大学; 国网湖南省电力有限公司