期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进边图卷积网络的电力系统小干扰稳定评估模型
被引量：
17
1
作者
郭梦轩
管霖
+4 位作者
苏寅生
姚海成
黄济宇
朱思婷
钟智
《电网技术》
EI
CSCD
北大核心
2022年第6期2095-2103,共9页
小干扰稳定问题对电力系统安全稳定的影响日益突出。采用样本学习的思路建立从稳态运行信息到关键振荡模式的映射模型,为大电网振荡特性的快速预测和评估提供了新的技术路径。采用图卷积网络,并引入边卷积的设计来考虑输电通道潮流分布...
小干扰稳定问题对电力系统安全稳定的影响日益突出。采用样本学习的思路建立从稳态运行信息到关键振荡模式的映射模型,为大电网振荡特性的快速预测和评估提供了新的技术路径。采用图卷积网络,并引入边卷积的设计来考虑输电通道潮流分布的影响,建立了小干扰稳定评估的边图卷积网络模型(edge graph convolutional networks for small-signal stability assessment,EGCN-SSA)。采用卷积增强技术改善网络退化现象,并建立多任务学习框架,同时预测多模式的振荡频率和阻尼比。在IEEE10机39节点上的算例和模型对比验证了所提出模型的性能以及对拓扑变化的适应能力。
展开更多
关键词
小干扰稳定评估
图深度学习
边图卷积
多任务学习
在线阅读
下载PDF
职称材料
基于卷积神经网络的电力系统小干扰稳定评估
被引量：
27
2
作者
李洋麟
江全元
+1 位作者
颜融
耿光超
《电力系统自动化》
EI
CSCD
北大核心
2019年第2期50-57,共8页
随着电力系统规模的增大,通过传统数值方法计算系统特征值来进行小干扰稳定评估已无法满足实时分析的要求。因此,提出了一种基于深度学习(卷积神经网络)的电力系统小干扰稳定评估方法。该方法以广域测量系统可监测变量作为模型的输入,...
随着电力系统规模的增大,通过传统数值方法计算系统特征值来进行小干扰稳定评估已无法满足实时分析的要求。因此,提出了一种基于深度学习(卷积神经网络)的电力系统小干扰稳定评估方法。该方法以广域测量系统可监测变量作为模型的输入,关键特征值作为输出,对输入数据和输出数据进行相应处理后,利用深层架构对其映射关系进行分析;并针对大系统维数较高、训练速度较慢的问题,采用了离散余弦变换和图形处理器并行技术。算例结果表明,在不考虑控制参数变化的情况下,经过历史数据的离线训练后,该方法能够较准确地计算出系统的关键特征值。
展开更多
关键词
卷积神经网络
深度学习
小干扰稳定评估
关键特征值
广域测量系统
在线阅读
下载PDF
职称材料
基于异质边图注意力网络的电力系统振荡评估模型
被引量：
5
3
作者
朱思婷
管霖
+3 位作者
郭梦轩
黄济宇
陈鎏凯
钟智
《电网技术》
EI
CSCD
北大核心
2022年第7期2581-2592,共12页
新能源发电使电网潮流变化更加快速,跟踪潮流变化,在线预测电网关键振荡模式的阻尼比和机组参与因子对维护电网运行安全有重要意义。该文采用数据驱动的建模思路,设计了基于多任务学习和深度学习框架的电力系统小干扰稳定评估模型(small...
新能源发电使电网潮流变化更加快速,跟踪潮流变化,在线预测电网关键振荡模式的阻尼比和机组参与因子对维护电网运行安全有重要意义。该文采用数据驱动的建模思路,设计了基于多任务学习和深度学习框架的电力系统小干扰稳定评估模型(small-signal stability assessment,SSA),可同时实现多振荡模式的阻尼比预测和机组参与因子预测任务。基于图注意力网络和异质图思想,设计了引入边信息的边图注意力机制和将节点和边分类处理的异质图处理方法,建立了能有效利用边信息的异质边图注意力网络模型(heterogeneous edge graph attention network,HEGAT)。以HEGAT的特征聚合为基础,通过多任务共享参数和基于联合误差函数的训练提高了特征提取能力。IEEE10机39节点算例的对比实验表明,HEGAT-SSA能快速准确的预测模式和模态变化,并具有对拓扑变化的良好适应能力。
展开更多
关键词
小干扰稳定评估
图深度学习
边注意力
异质图
多任务学习
在线阅读
下载PDF
职称材料
题名
基于改进边图卷积网络的电力系统小干扰稳定评估模型
被引量：
17
1
作者
郭梦轩
管霖
苏寅生
姚海成
黄济宇
朱思婷
钟智
机构
华南理工大学电力学院
广东省新能源电力系统智能运行与控制企业重点实验室(南方电网科学研究院)
中国南方电网电力调度控制中心
出处
《电网技术》
EI
CSCD
北大核心
2022年第6期2095-2103,共9页
基金
国家自然科学基金项目(52077080)
南方电网公司科技项目(ZDKJXM20180084)。
文摘
小干扰稳定问题对电力系统安全稳定的影响日益突出。采用样本学习的思路建立从稳态运行信息到关键振荡模式的映射模型,为大电网振荡特性的快速预测和评估提供了新的技术路径。采用图卷积网络,并引入边卷积的设计来考虑输电通道潮流分布的影响,建立了小干扰稳定评估的边图卷积网络模型(edge graph convolutional networks for small-signal stability assessment,EGCN-SSA)。采用卷积增强技术改善网络退化现象,并建立多任务学习框架,同时预测多模式的振荡频率和阻尼比。在IEEE10机39节点上的算例和模型对比验证了所提出模型的性能以及对拓扑变化的适应能力。
关键词
小干扰稳定评估
图深度学习
边图卷积
多任务学习
Keywords
small-signal stability assessment
graph deep learning
edge graph convolutional network
multi-task-learning
分类号
TM721 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于卷积神经网络的电力系统小干扰稳定评估
被引量：
27
2
作者
李洋麟
江全元
颜融
耿光超
机构
浙江大学电气工程学院
出处
《电力系统自动化》
EI
CSCD
北大核心
2019年第2期50-57,共8页
基金
国家自然科学基金资助项目(51677164)~~
文摘
随着电力系统规模的增大,通过传统数值方法计算系统特征值来进行小干扰稳定评估已无法满足实时分析的要求。因此,提出了一种基于深度学习(卷积神经网络)的电力系统小干扰稳定评估方法。该方法以广域测量系统可监测变量作为模型的输入,关键特征值作为输出,对输入数据和输出数据进行相应处理后,利用深层架构对其映射关系进行分析;并针对大系统维数较高、训练速度较慢的问题,采用了离散余弦变换和图形处理器并行技术。算例结果表明,在不考虑控制参数变化的情况下,经过历史数据的离线训练后,该方法能够较准确地计算出系统的关键特征值。
关键词
卷积神经网络
深度学习
小干扰稳定评估
关键特征值
广域测量系统
Keywords
convolutional neural network
deep learning
small-signal stability assessment
key eigenvalues
wide-area measurement system
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于异质边图注意力网络的电力系统振荡评估模型
被引量：
5
3
作者
朱思婷
管霖
郭梦轩
黄济宇
陈鎏凯
钟智
机构
华南理工大学电力学院
广东省新能源电力系统智能运行与控制企业重点实验室
出处
《电网技术》
EI
CSCD
北大核心
2022年第7期2581-2592,共12页
基金
国家自然科学基金项目(52077080)
南方电网公司科技项目(ZDKJXM20180084)。
文摘
新能源发电使电网潮流变化更加快速,跟踪潮流变化,在线预测电网关键振荡模式的阻尼比和机组参与因子对维护电网运行安全有重要意义。该文采用数据驱动的建模思路,设计了基于多任务学习和深度学习框架的电力系统小干扰稳定评估模型(small-signal stability assessment,SSA),可同时实现多振荡模式的阻尼比预测和机组参与因子预测任务。基于图注意力网络和异质图思想,设计了引入边信息的边图注意力机制和将节点和边分类处理的异质图处理方法,建立了能有效利用边信息的异质边图注意力网络模型(heterogeneous edge graph attention network,HEGAT)。以HEGAT的特征聚合为基础,通过多任务共享参数和基于联合误差函数的训练提高了特征提取能力。IEEE10机39节点算例的对比实验表明,HEGAT-SSA能快速准确的预测模式和模态变化,并具有对拓扑变化的良好适应能力。
关键词
小干扰稳定评估
图深度学习
边注意力
异质图
多任务学习
Keywords
small-signal stability assessment
graph deep learning
edge attention
heterogeneous graph
multi-task learning
分类号
TM721 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进边图卷积网络的电力系统小干扰稳定评估模型
郭梦轩
管霖
苏寅生
姚海成
黄济宇
朱思婷
钟智
《电网技术》
EI
CSCD
北大核心
2022
17
在线阅读
下载PDF
职称材料
2
基于卷积神经网络的电力系统小干扰稳定评估
李洋麟
江全元
颜融
耿光超
《电力系统自动化》
EI
CSCD
北大核心
2019
27
在线阅读
下载PDF
职称材料
3
基于异质边图注意力网络的电力系统振荡评估模型
朱思婷
管霖
郭梦轩
黄济宇
陈鎏凯
钟智
《电网技术》
EI
CSCD
北大核心
2022
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
