10.13335/j.1000-3673.pst.2018.2933
基于时序轨迹特征学习的暂态电压稳定评估
以先进机器学习方法等为代表的人工智能技术在增强现代电网安全稳定态势感知能力方面展现出巨大的潜力.针对在线暂态电压稳定评估的传统难题,提出基于时序轨迹特征学习的稳定评估方法.通过分析系统能量函数与暂态响应轨迹的相关性,给出学习过程输入数据选取的理论依据.在时序轨迹Shapelet变换基础上,提出以刻画系统稳定/失稳案例关键局部轨迹差异为核心的特征学习方法及稳定评估方案.双机四节点系统和南方电网中的算例测试结果表明,除了实现可靠的稳定监测和评估,还可充分利用文中方法的可解释性从数据层面剖析特定系统的失稳模式和规律.
机器学习、稳定域、态势感知、时序轨迹、Shapelet
43
TM721(输配电工程、电力网及电力系统)
国家重点研发计划;国家自然科学基金;国家自然科学基金
2019-06-26(万方平台首次上网日期,不代表论文的发表时间)
共10页
1922-1930,中插7