基于两阶段迁移学习的电力系统暂态稳定评估框架

摘要：

为提高基于数据驱动的暂态稳定评估模型对电网的自适应性,将深度迁移学习引入更新过程,提出一种基于两阶段迁移学习的暂态稳定评估框架.所提框架根据时间尺度分为2个阶段:在第1阶段,利用深度子领域自适应网络挖掘无标注数据信息,将模型的评估性能快速提升到相对可靠的水平,得到迁移模型,结合时域仿真法进行综合判稳,提高电网变化初期模型的可用性;在第2阶段,利用迁移模型筛选高价值样本集,并结合样本迁移和微调技术进行二次更新,使评估性能恢复到较高水平,降低更新时间成本.在IEEE 39节点系统和中国某省级电网模型上进行测试,结果表明所提框架具有完备性,可使模型快速响应电网的变化.

关键词：暂态稳定、评估、深度迁移学习、数据驱动应

所属期刊栏目：46

分类号：TM712;TP391.41;TM341

资助基金：国家重点研发计划2021YFB2400800

在线出版日期：2022-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：176-185