-
题名基于改进一维卷积神经网络的电力系统暂态稳定评估
被引量：51
- 1
-
-
作者
赵恺
石立宝
-
机构
电力系统国家重点实验室深圳室(清华大学深圳国际研究生院)
-
出处
《电网技术》
EI
CSCD
北大核心
2021年第8期2945-2954,共10页
-
文摘
为充分挖掘电力系统暂态过程中量测数据的时序信息,并进一步提高电力系统暂态稳定评估的准确率,提出了一种基于改进一维卷积神经网络的电力系统暂态稳定评估方法。该方法直接以底层量测数据作为输入特征,通过使用多尺寸卷积核来替代传统的单尺寸卷积核,能够有效提取量测数据的多粒度时序信息,实现了端到端的暂态稳定评估。另一方面,引入了焦点损失函数来指导模型训练,其能发掘困难样本并且缓解样本不均衡问题,进一步提升了模型的辨识性能。此外,通过应用Guided Grad-CAM算法对暂态评估模型的类激活图进行可视化分析,提升了模型的可解释性和透明性。在新英格兰10机39节点算例系统上的仿真分析表明,相较于基于传统机器学习和深度学习的暂态稳定评估方法,所提出的方法具有更优的评估性能,并且对受“污染”数据具有更好的鲁棒性。
-
关键词
暂态稳定评估
一维卷积神经网络
深度学习
焦点损失函数
可解释性
-
Keywords
TSA
1D-CNN
deep learning
focal loss function
interpretability
-
分类号
TM721
[电气工程—电力系统及自动化]
-
