基于改进的Transformer神经网络辅助的两阶段机组组合决策方法

摘要：

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 2383节点系统的仿真结果验证了所提方法的有效性.

关键词：Transformer神经网络、深度学习、机组组合、数据驱动、特征构造

所属期刊栏目：43

分类号：TM73(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;广西自然科学基金资助项目

在线出版日期：2023-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：172-179