10.13335/j.1000-3673.pst.2019.1555
基于卷积神经网络的直流送端系统暂态过电压估算方法
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.
高压直流、卷积神经网络、暂态过电压、人工智能
44
TM721(输配电工程、电力网及电力系统)
国家电网有限公司总部科技项目SGTYHT17-JS-199
2020-08-20(万方平台首次上网日期,不代表论文的发表时间)
共12页
2987-2997,中插11-中插12