基于生成对抗网络的后备保护在线整定快速计算方案

摘要：

复杂环网在进行后备保护在线整定时,需花费大量的时间确定后备保护定值的配合关系,影响了在线整定的计算效率.因此,该文利用数据驱动的思想,将人工智能技术首次应用到在线整定领域,提出一种基于生成对抗网络(generative adversarial networks,GAN)的后备保护在线整定快速计算方案.首先,构建一个基于Wasserstein距离的条件GAN,以系统运行方式作为条件标签,将后备保护定值配合对转化为矩阵的索引,由此形成后备保护配合对矩阵,作为GAN训练的真实样本数据.GAN的生成器网络和判别器网络主要由卷积神经网络(convolutional neural network,CNN)组成,并对神经网络的输出进行批标准化处理,以提高训练的稳定性.然后,给出基于GAN的后备保护在线整定方案的具体实现,并采用并行计算技术加速CNN和定值的计算过程,进一步提高在线整定的计算效率.最后,以IEEE 39节点系统为例,计算各种运行方式下的后备保护配合对矩阵样本,构建GAN训练所需的数据集,对所提方案进行验证.仿真结果表明,该文所述方案通过GAN学习真实样本数据中各个后备保护定值之间复杂的配合关系,能够根据不同的运行方式给出相应的配合对矩阵,从而实现后备保护在线整定的快速计算.

关键词：后备保护、在线整定、生成对抗网络、运行方式、保护配合对、数据驱动

所属期刊栏目：41

分类号：TM726(输配电工程、电力网及电力系统)

在线出版日期：2021-07-12（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：4439-4449,中插7