Monte Carlo模拟(Monte Carlo simulation,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,该文提出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...Monte Carlo模拟(Monte Carlo simulation,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,该文提出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,构造反映系统运行状态的特征向量,建立基于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,进一步建立系统状态分类器,形成基于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。展开更多
