基于主动迁移学习的电力系统暂态稳定自适应评估

基于深度学习的暂态稳定评估模型通常需要大量的有标注样本用于离线训练。一旦电网的运行方式和拓扑结构发生较大变化,预训练模型的性能将劣化甚至失效,使得在线评估时存在一定的空窗期。为了解决这一问题,以深度置信网络（DBN）为研究载体,将深度学习、迁移学习和主动学习相结合,提出一种基于DBN模型的主动迁移学习方法。首先,训练DBN来挖掘输入特征和暂态稳定评估结果间的映射关系,得到更好的暂态稳定评估效果。其次,当拓扑结构和运行方式发生较大变化时,通过短期仿真生成大量的无标注样本,利用主动学习来筛选少量最富有信息的样本,并通过长期仿真对这部分样本进行标注,显著减少了样本的生成时间。最后,计算源域和目标域数据分布的最大均值差异,选择不同的迁移路径,在确保迁移效果的前提下进一步缩短了迁移时间。采用新英格兰10机39节点系统、NPCC 48机140节点系统和中国华中电网进行了仿真,结果验证了所提方法具有高精度、快速性和鲁棒性,有效缩短了深度学习模型在线应用时的空窗期。     

基于Fisher Score特征选择的电力系统暂态稳定评估方法

针对不同电气输入特征与电力系统暂态稳定关联程度不同以及当输入特征受到干扰时评估准确率明显下降的问题,提出一种基于Fisher Score特征选择的电力系统暂态稳定评估方法。设计一种面向电力系统暂态稳定评估二分类问题的样本特征Fisher Score值计算方案;通过Fisher Score值排序有效区分重要特征与冗余特征、噪声特征与非噪声特征;将选择的电气特征输入不同机器学习模型中进行训练和评估。新英格兰39节点系统和IEEE 145节点系统的仿真结果表明,所提特征选择方案能有效筛选电力系统暂态稳定评估中重要度高的特征,提升了评估模型的预测性能。     

基于深度学习的多虚拟同步机微电网在线暂态稳定评估方法

限流策略、源源交互、故障及负荷水平多变等因素使得快速准确评估多虚拟同步机(VSG)微电网的暂态稳定性十分困难。针对现有难题,提出了基于深度学习的多VSG微电网在线暂态稳定评估方法。首先,通过分析VSG控制特性、电流限幅器、故障程度、负荷水平对系统稳定性的影响,以系统动态参数为主、稳态参数为辅,构建了一组具有强表征能力、可避免维数灾难的原始特征集。基于此,应用深度前馈神经网络及Levenberg-Marquardt算法,提出了多VSG微电网暂态稳定非线性评估模型。在多VSG微电网中的验证结果表明,相比现有方法,所提方法极大地提高了在线暂态稳定评估的准确率,可快速实现多VSG微电网在复杂工况下的稳定性准确判别,具有良好的评估性能。     

融合多类型深度迁移学习的电力系统暂态稳定自适应评估

针对不同类型人工智能网络应用于电力系统暂态稳定评估时精度和泛化能力不稳定、运行方式或拓扑结构发生较大变化时评估精度下降、重新训练新模型费时费力等问题,提出一种融合多类型深度迁移学习模型（tmDLM）的自适应评估方法,该方法融合了深度置信网络、卷积神经网络以及长短期记忆网络3种不同的深度学习模型。将训练好的各类深度学习模型作为源域模型,当运行方式或拓扑结构发生较大变化时,采用少量目标域样本集微调预训练模型,使其快速跟踪系统当前的运行状态,并得到tmDLM。新英格兰10机39节点系统和华中电网的仿真结果表明：所提方法可以充分发挥各类深度学习方法的优势,具有良好的泛化能力;六分类模型能够在判稳的同时进行稳定裕度/失稳程度等级的评估;经过迁移后的深度学习模型具有良好的评估精度和时效性,大幅缩短了模型更新时间,实现了电力系统暂态稳定的自适应评估。     

基于Tri-training-SSAE半监督学习算法的电力系统暂态稳定评估

基于机器学习的暂态稳定评估方法主要采用监督学习方法,为了解决监督学习方法所需的有标签样本难以获取的问题,提出基于三体训练-稀疏堆叠自动编码器(Tri-training-SSAE)半监督学习算法的电力系统暂态稳定评估方法。构建基于堆叠稀疏自动编码器的暂态稳定评估模型;在传统的三体训练过程中加入伪标签样本置信度判断,以减小噪声数据对模型训练的影响;以堆叠稀疏自动编码器为基分类器构建三体训练-稀疏堆叠自动编码器模型,利用大量的无标签样本提高模型的泛化能力。通过IEEE 39节点系统与华东某省级电网进行分析验证,结果表明,所提方法在有标签样本数较少时具有更高的评估准确度。     

基于特征匹配的暂态稳定紧急控制策略快速生成

“在线计算、实时匹配”的紧急控制模式是降低控制策略失配风险的有效途径和技术发展趋势。为进一步提高在线紧急控制策略生成的快速性,提出了一种基于特征匹配的暂态稳定紧急控制策略快速生成方法。借助扩展等面积准则对暂态稳定性以及电网故障下轨迹时变程度的量化分析能力,综合利用电网暂态稳定轨迹特征和稳态潮流关键特征量,建立运行方式特征量匹配指标,在历史方式中匹配最接近方式,实现紧急控制策略的快速生成,通过校核验证后下发装置执行。最后,基于实际电网验证了所提方法的有效性。     

基于统计信息系数和Wasserstein生成对抗网络的风火系统暂态特征选择与两阶段稳定评估

为实现含新能源电力系统暂态稳定的在线更新,降低新能源机组出力、电压等特征对评估准确率的影响,提出基于统计信息系数和Wasserstein生成对抗网络的暂态特征选择和两阶段稳定评估模型。首先,改进最大信息系数中的网格划分方法,建立基于Pearson相关系数和统一信息系数的混合Markov决策模型,对风火系统暂态特征进行数据分析与特征选择。其次,以Wasserstein距离代替传统生成对抗网络中的JS散度,提出基于Wasserstein生成对抗网络的暂态稳定模型在线更新方法。同时依据一阶段暂态稳定评估置信度将样本划分为安全域样本与非安全域样本,提出一种两阶段暂态稳定评估方法。最后在改进的IEEE 39节点、IEEE 118节点系统中将所提方法与传统方法进行了对比,结果表明所提方法的暂态稳定评估准确度有所提高,且计算速度有所加快。     

基于转速-电压坐标平面的暂态电压稳定分析

针对感应电机类动态负荷引起的暂态电压稳定问题,提出了一种基于转速-电压坐标平面的暂态电压稳定问题的分析方法,描述了感应电机类动态负荷在转速-电压坐标平面上的稳定边界。通过转速-电压坐标平面上电机运行点与稳定边界间的关系,可直观判断感应电机的加减速状态,并可清晰地解释感应电机类动态负荷在受到扰动后的暂态过程中引发电压失稳的机理。通过对比感应电机在转速-电压坐标平面上的工作点与所提的稳定边界间的关系,可以判断系统是否会出现电压失稳。通过单机无穷大系统及两区四机系统的仿真算例验证了所提分析方法的有效性。     

跨线相继接地故障暂态特征与暂态选线方法适用性

目前,针对小电流接地系统单相接地故障特征的理论分析已经成熟,但对两点相继接地故障暂态特征的研究较少,其与普通单相接地故障的暂态电气量差异以及已有暂态选线方法的适用性尚不明确。针对小电流接地系统跨线同名相和异名相两点相继接地故障暂态特征问题,建立了后发低阻接地故障暂态等值电路,对故障线路暂态特征进行理论分析并与其单独接地时暂态电气量进行了比较,得到了故障线路暂态特征随不同故障条件(过渡电阻、线路电感、系统对地电容、后发故障相)的变化规律,证明了部分暂态选线方法不再适用于后发接地故障并提出了基于连续检测的选线方法。最后,通过数字仿真和现场数据验证了文中分析结果的正确性。     

基于混合门控循环单元子层的多任务暂态稳定评估

在暂态功角稳定评估和暂态电压稳定评估的相关研究中,通常分别构建独立的评估模型,这阻碍了不同任务间的信息共享,浪费了计算和存储资源.考虑不同评估任务间往往存在相似性和差异性,为更好地实现二者同时评估,文章提出了一种基于混合门控循环单元(gated recurrent unit,GRU)子层的多任务暂态稳定评估模型.由于电...     

一种基于特征映射与深度学习的虚假数据注入检测方法

智能电网逐步发展为大型电力信息物理系统,信息与物理系统的交互降低了其抵御虚假数据攻击（false data injection attacks, FDIA）的能力。针对这一问题,研究并提出了一种基于多层递阶融合模糊特征映射方法（multi-layer hierarchical fusion fuzzy feature mapping, MLHFFFM）与条件深度信念网络（deep belief network, DBN）相结合的智能电网虚假数据注入检测方法。首先,对FDIA原理进行分析,基于MLHFFFM结合主成分分析法对智能电网负荷数据进行聚类,选取日负荷与预测日类似的近似日;然后,提出利用条件深度信念神经网络对近似日智能电网负荷进行分析,通过选取不同参数对日负荷特征进行动态捕捉从而检测FDIA;最后,结合某省实际负荷以IEEE33节点系统为例进行分析。案例分析结果表明,所提模型相比于其他模型,在不同攻击强度下准确率均保持在95%以上,错报率在5%以下,能够有效检测出虚假数据的注入。     

结合图嵌入算法的电力系统多任务暂态稳定评估

电力系统功角稳定与电压稳定是电力系统安全稳定运行的基础,稳定性分析是制定稳定控制策略的依据之一.考虑电网拓扑对电力系统暂态稳定性的影响,利用Node2vec图嵌入算法将电网拓扑映射为低维稠密矩阵,获得电力系统的空间拓扑特征向量,并将其与电气量测数据相组合形成重构数据集,作为评估模型的输入.考虑到电力系统多种稳定性问题往...     

弱电网中锁相环型并网变换器非线性暂态稳定解析分析

电力电子变换器具有惯量小、动态过程快且复杂等特点,这给新型电力系统的暂态分析带来严峻挑战。尤其是在弱电网条件下,锁相环的非线性特性使并网变换器系统稳定分析变得更为复杂。然而,传统的暂态分析方法忽略了关键非线性特性,难以获得简洁实用的稳定判据。针对上述问题,建立了基于并网变换器系统扰动量的二阶非线性动力学模型,引入非线性振动学科的平均法对模型进行求解,获得了低阶近似解析解,进而推导出弱电网环境下并网变换器系统的稳定判据,并根据理论推导分析了模型的非线性项、锁相环控制参数及系统短路比对系统暂态稳定性的影响。最后,通过仿真与实验验证了所提方法的有效性和分析结果的正确性。     

基于逆变型电源暂态电流回代的系统级故障暂态解析

随着高比例电力电子设备和高比例新能源的接入,未来电力系统需要全时域量保护以应对系统复杂的故障特征。系统级故障暂态分析作为时域量保护的研究基础具有重要意义。鉴于逆变型电源(IIG)的受控特性,系统级故障暂态解析需应对机组输出电流的动态相位换算和多机系统方程高阶求解2个挑战。文中提出一种基于IIG暂态电流回代的系统级故障暂态解析方法。通过分析机组输出功率与端电压相位间的动态关系,实现了IIG暂态电流向统一参考系的动态相位换算;对系统方程进行暂态修正从而避免了高阶运算;在此基础上,网络节点暂态电压可由各机组暂态电流线性求解,进一步得到故障点及全网暂态电流的时域精确解。仿真验证结果表明,所提方法可实现较为精确的系统级故障暂态解析。     

基于深度森林的电力系统暂态稳定评估方法

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.文中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...     

基于多尺度特征融合的负荷辨识及其可解释交互增强方法

负荷辨识技术可快速辨识电器类型,在家庭能量管理、危险用电预警、响应潜力评估等方面具有重要作用。针对现有负荷辨识方法多关注负荷长期或短期单尺度特征,导致特征表征能力不足而使模型识别精度和泛化性能受限的问题,提出一种基于多尺度特征融合的负荷辨识及其可解释交互增强方法。首先,从负荷采样数据中提取高频尺度的短期特征和中、低频尺度的长期特征,构建双塔结构的深层特征提取网络以利用网络的不同分支高效率挖掘各尺度深层特征。其次,设计自注意力与交叉注意力相结合的特征融合网络以实现负荷长、短期特征融合,提高模型的特征利用程度。然后,采用度量学习的训练方法,拉近同类型样本的特征距离,提升特征融合的效率和效果。最后,利用基于梯度的可解释分析方法量化特征的重要性,实现自适应的特征增强与结合专家交互的模型调优。实验结果说明所提模型识别精度与泛化能力均优于现有模型,且可解释分析验证了其有效性源于多尺度特征的充分利用。     

基于改进的Transformer神经网络辅助的两阶段机组组合决策方法

为了解决大规模电力系统机组组合的“维数灾”问题,提出基于Transformer神经网络的两阶段机组组合决策方法,该方法兼顾求解精度与速度。在第一阶段,考虑机组组合时段耦合的特性,提出基于多头注意力机制的特征向量构建方法,进而基于Transformer神经网络的全局视野与并行化优势,提出一种改进的Transformer神经网络来预辨识机组启停值。在第二阶段,基于预辨识的机组状态设计置信度阈值,并将机组启停判定可信度定义为启停可信与启停不可信状态,对于启停可信机组的状态进行直接确定,对于启停不可信机组的状态,通过机组组合物理模型进行求解来保证求解的可行性。IEEE 30节点和IEEE 2 383节点系统的仿真结果验证了所提方法的有效性。     

基于数据特征增强和残差收缩网络的变压器故障识别方法

为增强深度残差收缩网络对变压器故障特征的学习能力从而提高故障识别精度,文中研究构建了故障特征气体向量配合改进的深度残差收缩网络来识别变压器故障。首先,构建可变软阈值函数消除恒定偏差的影响,利用快速回溯算法加快阈值确定速度的同时确保输出结果的完整性。然后,提出带可变权重的交叉熵函数降低误识别对网络精度的影响,并将构建的特征气体向量作为网络输入,保证网络学习并识别更多故障因素的特征。最后,以过热故障和电弧放电故障为样本的实验结果验证了该方法的有效性。与传统方法相比,所提方法的识别精度高,而且适用于电力系统多特征故障识别。     

基于过渡电阻评估的灵活接地系统暂态故障选线方法

灵活接地系统发生单相高阻接地故障后,并联小电阻的投入将导致故障稳态分量变小,同时各馈线零序电流稳态幅值变化量差异较小,存在选线难题。分析并联小电阻投入后灵活接地系统暂态故障特征,得到馈线暂态零序电流与母线暂态零序电压及其导数的固有关系,分析小电阻投入时刻与暂态故障特征幅值的关系,从而提出一种基于过渡电阻评估的灵活接地系统暂态故障选线方法。该方法通过小电阻投入产生的低频暂态电压电流评估过渡电阻,进而实现故障选线,不受故障初相角影响,耐过渡电阻能力强,对互感器精度要求低;同时,通过小电阻投入时刻的选择可实现暂态故障特征的最大化调控,可为灵活接地系统选线与保护方法提供新思路。最后,通过仿真和实时数字仿真（RTDS）实验验证了所提方法的正确性。