基于LSTM的电力暂态稳定在线评估及预测研究

摘要：

电网规模的扩大使得电力系统运行状态变得更加复杂,对电网安全稳定运行提出了更高要求.提出了基于深度学习中长短时记忆(long-and-short term memory,LSTM)的电力暂态稳定在线评估模型.该模型通过获取全网各节点电压、电流、功率等电气量,实时计算得到电网失稳可能性评分,并在新英格兰10机39线系统上对该模型进行测试与优化.实验结果表明,该模型能通过实时运算得到电网稳定性的评估及预警,具有准确性高、预警能力强、支持在线监测的特点.

关键词：暂态稳定评估、电力系统、深度学习、长短时记忆(LSTM)、故障预测、在线监测

所属期刊栏目：37

分类号：TM712(输配电工程、电力网及电力系统)

资助基金：国网浙江省电力有限公司科技项目5211TZ170006

在线出版日期：2021-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：38-46