期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于粒子群优化和卷积神经网络的电力系统运行状态辨识 被引量:10
1
作者 杨晶 赵津蔓 +3 位作者 孟润泉 张东霞 李柏堉 武宇翔 《电网技术》 EI CSCD 北大核心 2024年第1期315-324,共10页
随着“双碳”目标的提出,高比例可再生能源和高比例电力电子设备正成为电力系统发展的重要趋势和关键特征,其间歇性、不确定性使电力系统实时运行状态辨识面临严峻挑战。为此,该文提出一种基于粒子群优化和卷积神经网络(particle swarm ... 随着“双碳”目标的提出,高比例可再生能源和高比例电力电子设备正成为电力系统发展的重要趋势和关键特征,其间歇性、不确定性使电力系统实时运行状态辨识面临严峻挑战。为此,该文提出一种基于粒子群优化和卷积神经网络(particle swarm optimization and convolutional neural network,PSO-CNN)的高精度电力系统实时运行状态辨识方法。首先,该方法同时考虑电力系统安全域与稳定域下的暂态问题,适用于暂态稳定故障前、故障中及故障后多场景的电力系统运行状态辨识。其次,为确保样本数据中新能源机组出力方式的全面性,采用拉丁超立方抽样方法对精细化仿真数据采样,考虑到实际电力系统中存在状态类别极端不平衡问题,引入PSO算法调节模型不同类别损失函数权重以提高模型对极端不均衡样本的辨识效果。最后,分别在IEEE39节点系统及某省级电网系统中对所提方法进行评估,实验结果证明了所提状态辨识方法的有效性及鲁棒性。 展开更多
关键词 电力系统运行状态辨识 粒子群优化算法 深度学习
在线阅读 下载PDF
考虑暂态稳定过程的电力系统运行状态辨识 被引量:2
2
作者 赵津蔓 韩肖清 +4 位作者 牛哲文 张庚午 杨晶 李柏堉 武宇翔 《中国电机工程学报》 EI CSCD 北大核心 2024年第20期7970-7982,I0005,共14页
数据驱动背景下的电力系统状态辨识包含故障前和故障后两个场景,分别具有安全域和稳定域概念下的分析特点。受限于样本特征及应用场景的不一致,现有研究通常将其作为两个独立的问题进行建模。一方面,独立建模忽略了两者间的时序耦合性;... 数据驱动背景下的电力系统状态辨识包含故障前和故障后两个场景,分别具有安全域和稳定域概念下的分析特点。受限于样本特征及应用场景的不一致,现有研究通常将其作为两个独立的问题进行建模。一方面,独立建模忽略了两者间的时序耦合性;另一方面,电力系统运行状态时刻在发生变化,基于单一场景建立的网络模型仅适配当前场景,基于双场景独立建模存在模型切换复杂及参数更新耗时过长等问题。针对以上问题,该文提出一种基于多尺度密集网络的电力系统状态辨识方法,同时适用于故障前和故障后暂态稳定场景。首先,采用自适应池化层结构,建立适用于时间断面特征和时序特征类型输入的电力系统运行状态辨识模型,可同时应用于故障前和故障后的场景;其次,考虑到安全域和稳定域概念下暂态稳定数学模型的时序相关性,设计一种基于知识推理的样本自适应选择机制,通过网络“动态”特性表达故障前和故障后场景间的时序关系,提高计算效率。最后,在新英格兰10机39节点算例系统和实际电网中验证了所提方法的有效性与优越性。 展开更多
关键词 运行状态辨识 动态神经网络 深度学习
在线阅读 下载PDF
基于拓扑运行状态辨识的负荷转供技术 被引量:2
3
作者 付俊强 吴磊 《农村电气化》 2024年第4期1-5,共5页
针对变电站发生全停后开关状态无法识别而引发的问题,提出一种考虑配网实时运行方式的负荷转供技术。采用贝叶斯网络描述开关状态与节点电压的关系,识别配网的拓扑运行状态进而作为转供方案的基础。最后通过对某个实际配电系统的故障仿... 针对变电站发生全停后开关状态无法识别而引发的问题,提出一种考虑配网实时运行方式的负荷转供技术。采用贝叶斯网络描述开关状态与节点电压的关系,识别配网的拓扑运行状态进而作为转供方案的基础。最后通过对某个实际配电系统的故障仿真分析,结果表明该方案可以有效提高停电负荷的转供能力。 展开更多
关键词 变电站全停 负荷转供 拓扑运行状态辨识 最大恢复供电能力 贝叶斯网络
在线阅读 下载PDF
基于时空多视图学习算法的PMU电压数据重构方法 被引量:4
4
作者 林俊杰 涂明权 +2 位作者 朱利鹏 宋文超 陆超 《中国电机工程学报》 EI CSCD 北大核心 2024年第24期9533-9545,I0003,共14页
同步相量测量装置(phasor measurement unit,PMU)具有同步性好、分辨率高、相角直接可测等优点,是实现电力系统在线实时状态感知的重要信息源。然而,由于受到设备故障、气候干扰、通信问题等因素影响,实际电网中的PMU数据容易出现数据... 同步相量测量装置(phasor measurement unit,PMU)具有同步性好、分辨率高、相角直接可测等优点,是实现电力系统在线实时状态感知的重要信息源。然而,由于受到设备故障、气候干扰、通信问题等因素影响,实际电网中的PMU数据容易出现数据缺失和异常等情况,这将干扰后续基于PMU数据的电网高级应用,进而影响电网状态感知和运行调度的可靠性。首先,通过分析现场实测的PMU数据,归纳出4种低质量数据情况,并且利用机理分析和相关性分析方法对系统运行状态进行辨识;然后,将多视图学习方法与电网运行机理相结合,提出基于时空信息特征融合的多视图数据初步重构算法,对PMU低质量和缺失数据进行重构;最后,结合系统不同运行状态特点,利用不同视图生成数据进行低质量数据的辨识,并提出一种基于历史数据的自适应加权的缺失数据重构方法。仿真和实测数据表明该方法能有效对PMU低质量数据进行辨识并实时重构生成,为PMU数据在电力系统中的应用提供有效保障。 展开更多
关键词 同步相量量测数据 低质量数据 系统运行状态辨识 多视图学习法 数据重构
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部