基于深度学习的暂态稳定评估与严重度分级

摘要：

提出一种安全域概念下的堆叠降噪自动编码器和支持向量机集成模型相结合的暂态稳定评估方法.将故障前的潮流量作为输入,利用堆叠降噪自动编码器对输入量进行多层抽象表达,使用提取的各层特征训练支持向量机;建立支持向量机集成分类模型进行暂态稳定评估,对评估结果进行可信度分析,将输入空间划分为稳定区、边界区和失稳区;利用效用理论结合所提出的暂态稳定裕度指标对运行方式进行严重度分级.算例结果表明,所提暂态稳定评估方法具有更高的评估准确率和一定的泛化能力;所提严重度分级方法能够直观表现不同运行方式的危险程度.

关键词：暂态稳定评估、深度学习、集成学习、支持向量机、严重度分级

所属期刊栏目：38

分类号：TM761(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划项目2017YFB0902600;国家电网公司科技项目SGJS0000DKJS1700840

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：64-69