基于改进Wasserstein生成式对抗网络的电力系统不良数据辨识
随着新能源并网以及大量电力电子器件的投入,电力系统的数据类型向多元复杂化的趋势发展.针对大规模电力系统中出现的不良数据辨识性能差、辨识效率低的问题,提出了一种基于改进Wasserstein生成式对抗网络(WGAN-GP)的不良数据辨识方法.基于历史数据库中的状态量得到多断面正常量测数据并训练WGAN-GP模型;将含不良数据的量测信息输入训练好的WGAN-GP模型,得到对应的量测重构数据,并得到最终的量测重构误差;为了避免人为确定阈值的主观性,提出了一种基于C4.5决策树模型的不良数据阈值确定方法,将量测重构误差输入训练好的决策树模型,即可定位1组量测信息中的不良数据位置.以IEEE标准系统和某实际省网为算例进行仿真测试,结果表明相较于已有方法,所提方法具有更好的辨识性能和更高的辨识效率.
电力系统、不良数据辨识、数据驱动、Wasserstein生成式对抗网络、决策树模型
42
TM71(输配电工程、电力网及电力系统)
国家自然科学基金;中央高校基本科研业务费专项资金资助项目
2022-09-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
50-56,110