基于卷积神经网络的直流送端系统暂态过电压估算方法

摘要：

为有效预测大扰动过程中直流送端系统的暂态过电压,提出一种基于卷积神经网络(convolutional neural networks,CNN)的直流送端系统暂态过电压估算方法.首先,基于CNN输入特征构建的基本原理,搭建具有多层隐含层的非线性网络结构,将广域量测装置采集的各节点电压、相角及功率作为输入层,依据电网节点的拓补关系及故障发生到切除的时间顺序进行拼接,得到表征电网状态的矩阵.然后,优化调整CNN的超参数,采用梯度下降法进行有监督训练,通过逐层优化输入层与卷积层之间的权重矩阵,实现关键特征值的自动提取,同时利用CNN的深层架构构建暂态过电压与输入数据间的映射模型,快速准确地估算直流送端系统暂态过电压.最后,对修改后的Nordic32交直流混合系统和广东电网系统进行分析,验证该方法的有效性和准确性.

关键词：高压直流、卷积神经网络、暂态过电压、人工智能

所属期刊栏目：44

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家电网有限公司总部科技项目SGTYHT17-JS-199

在线出版日期：2020-08-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：2987-2997,中插11-中插12