基于多STA-GLN集成模型的电力系统暂态稳定评估方法

摘要：

随着高比例可再生能源的不断接入和电力电子化程度的提高,电力系统结构日益复杂,导致电力系统稳定性受威胁.针对基于人工智能的暂态稳定评估(TSA)方法存在的拓扑适应能力差、失稳样本学习困难和模型训练耗时长等缺陷,提出了基于图形卷积和长短时记忆组合网络的空间和时间双注意力机制(STA-GLN)集成电力系统TSA方法.搭建了电力系统仿真模型,在全接线、N-1断线和N-2断线3种拓扑结构下设置不同线路故障,获取原始样本集,基于STA-GLN的TSA方法对系统拓扑变化表现出更强的适应性和评估准确性;构建了基于自适应增强(AdaBoost)算法和迁移学习的集成STA-GLN多任务TSA模型,解决了失稳误判问题并加快了模型的响应速度.最后通过新英格兰10机39节点系统仿真分析验证了该方法的有效性.

关键词：电力系统、可再生能源、暂态稳定评估、人工智能、集成学习、迁移学习、多任务模型、电力电子化

所属期刊栏目：45

分类号：TK01(一般性问题)

在线出版日期：2023-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：48-60