基于深度森林的电力系统暂态稳定评估方法

李淼; 雷鸣; 周挺; 李永龙; 肖宜; 严斌俊

李淼,雷鸣,周挺,李永龙,肖宜,严斌俊.基于深度森林的电力系统暂态稳定评估方法[J].电测与仪表,2021,58(2):53-58.
Li Miao,Lei Ming,Zhou Ting,Li Yonglong,Xiao Yi,Yan Binjun.Power System Transient Stability Assessment Based on Deep Forest[J].Electrical Measurement & Instrumentation,2021,58(2):53-58.

基于深度森林的电力系统暂态稳定评估方法

Power System Transient Stability Assessment Based on Deep Forest

DOI：10.19753/j.issn1001-1390.2021.02.009

中文关键词: 深度学习暂态稳定评估深度森林

英文关键词:deep learning transient stability assessment deep forest

基金项目:湖北省电力公司科技项目(521505190005)

作者中文名	作者英文名	单位
李淼	Li Miao	国网湖北省电力有限公司
雷鸣	Lei Ming	国网湖北省电力有限公司
周挺	Zhou Ting	武汉大学电气与自动化学院
李永龙	Li Yonglong	国网湖北省电力有限公司
肖宜	Xiao Yi	国网湖北省电力有限公司
严斌俊	Yan Binjun	国网湖北省电力有限公司

摘要点击次数: 1653

中文摘要:

快速准确地实现暂态稳定评估，是电力系统安全运行的重要保障。近年来迅速发展的深度学习技术已经成为解决这一问题的有效手段，然而基于神经网络的深度学习模型存在着调参困难、训练时间长和样本需求量大等缺点。本文将故障切除时刻系统的物理量作为输入特征，以系统的暂态稳定状态作为输出结果，采用集成决策树方法，构建了基于深度森林的电力系统暂态稳定评估模型。新英格兰39节点系统的算例分析表明，所提方法与深度神经网络相比，参数设置简单、训练速度更快，即使在训练样本数量较少时也能有效避免过拟合，具有良好的泛化能力。

英文摘要:

查看全文查看/发表评论下载PDF阅读器

关闭