隨著電力系統(tǒng)的快速發(fā)展,電網(wǎng)容量日益擴大,拓撲結構日趨復雜,新能源大規(guī)模接入,特高壓交直流混聯(lián)日益普及,越來越多的大型系統(tǒng)以互聯(lián)的方式運行在接近暫態(tài)穩(wěn)定安全約束的邊緣地帶,電網(wǎng)的安全穩(wěn)定運行面臨越來越嚴峻的挑戰(zhàn),暫態(tài)穩(wěn)定性評估這一傳統(tǒng)問題被賦予了更多的復雜性和新時代技術帶來的新要求,日益顯出其重要性,并再次成為電力系統(tǒng)技術研究的核心熱點問題之一。傳統(tǒng)的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法以直接法和時域仿真法為主,但是隨著電網(wǎng)的快速發(fā)展,輸電線路大幅增加,直接法和時域仿真法的局限和不足越來越顯露出來,已越來越難以適應飛速發(fā)展的時代技術要求。而在人工智能領域新涌現(xiàn)出的各類新方法和手段,可以為研究暫態(tài)穩(wěn)定性問題的研究提供全新的視角和思路,這些智能型方法有其優(yōu)點,但也有其自身不成熟的一面,如何揚長避短充分發(fā)揮智能型評估方法的優(yōu)點,將之運用到暫態(tài)穩(wěn)定的評估中來,構成了本文的核心研究內(nèi)容。從神經(jīng)網(wǎng)絡的基礎理論入手,分析其組成結構、模型的訓練方法和參數(shù)尋優(yōu)的策略,結合電壓幅值變化與系統(tǒng)暫態(tài)之間的關系,構建了基于深度置信網(wǎng)絡的電力系統(tǒng)暫態(tài)穩(wěn)定評估模型。充分發(fā)揮深度置信網(wǎng)絡模型在挖掘數(shù)據(jù)潛在規(guī)則方面的優(yōu)勢,完成快速... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 題目研究背景及意義
    1.2 暫態(tài)穩(wěn)定相關內(nèi)容概述
        1.2.1 電力系統(tǒng)暫態(tài)穩(wěn)定概述
        1.2.2 暫態(tài)穩(wěn)定評估方法的總結
    1.3 仿真軟件介紹
    1.4 基于機器學習方法的研究現(xiàn)狀
    1.5 本文主要任務
第2章 機器學習神經(jīng)網(wǎng)絡基礎理論
    2.1 引言
    2.2 人工神經(jīng)網(wǎng)絡概述
        2.2.1 人工神經(jīng)網(wǎng)絡的組成
        2.2.2 神經(jīng)網(wǎng)絡學習模式
    2.3 卷積神經(jīng)網(wǎng)絡(CNN)概述
        2.3.1 網(wǎng)絡構造與原理
        2.3.2 卷積神經(jīng)網(wǎng)絡的特點
        2.3.3 卷積神經(jīng)網(wǎng)絡的訓練
    2.4 深度學習優(yōu)化方法
        2.4.1 常見的優(yōu)化方法
        2.4.2 自適應參數(shù)優(yōu)化方法
    2.5 本章小結
第3章 基于深度置信網(wǎng)絡的暫態(tài)穩(wěn)定評估模型構建
    3.1 引言
    3.2 深度置信網(wǎng)絡理論研究
        3.2.1 受限玻爾茲曼機(RBM)
        3.2.2 深度置信網(wǎng)絡(DBN)
        3.2.3 輸入特征學習過程
        3.2.4 網(wǎng)絡訓練方法
    3.3 基于DBN暫態(tài)評估模型的構建
        3.3.1 輸入特征選取
        3.3.2 模型建模
        3.3.3 暫態(tài)評估流程
    3.4 算例分析
        3.4.1 輸入樣本集構建
        3.4.2 模型評估性能
        3.4.3 不同系統(tǒng)下模型評估性能測試
    3.5 本章小結
第4章 基于卷積神經(jīng)網(wǎng)絡的暫態(tài)穩(wěn)定評估模型構建
    4.1 暫態(tài)評估評估模式
    4.2 電壓軌跡與暫態(tài)穩(wěn)定關系
    4.3 構建暫態(tài)評估模型
        4.3.1 評估模型結構
        4.3.2 評估模型參數(shù)
    4.4 暫態(tài)評估流程
        4.4.1 評估指標
        4.4.2 暫態(tài)評估流程
    4.5 深度學習框架選擇
    4.6 算例分析
        4.6.1 評估樣本集的創(chuàng)建
        4.6.2 卷積模型結構設置
        4.6.3 評估模型的性能分析
        4.6.4 不同輸入特征情況下模型評估性能分析
        4.6.5 不同系統(tǒng)下模型評估性能分析
    4.7 本章小結
第5章 結論和展望
    5.1 結論
    5.2 展望
參考文獻
作者簡介與碩士期間取得的科研成果
致謝


【參考文獻】：
期刊論文
[1]基于一維卷積神經(jīng)網(wǎng)絡的電力系統(tǒng)暫態(tài)穩(wěn)定評估[J]. 高昆侖,楊帥,劉思言,李向偉.  電力系統(tǒng)自動化. 2019(12)
[2]基于時序軌跡特征學習的暫態(tài)電壓穩(wěn)定評估[J]. 朱利鵬,陸超,黃河,劉映尚.  電網(wǎng)技術. 2019(06)
[3]巴西“3·21”大停電事故分析及對中國電網(wǎng)的啟示[J]. 易俊,卜廣全,郭強,習工偉,張劍云,屠競哲.  電力系統(tǒng)自動化. 2019(02)
[4]人工智能在電力系統(tǒng)暫態(tài)問題中的應用綜述[J]. 湯奕,崔晗,李峰,王琦.  中國電機工程學報. 2019(01)
[5]用于電力系統(tǒng)故障診斷的優(yōu)勢粗糙集分類系統(tǒng)研究[J]. 劉偉,黎勁松,劉愛軍.  電工技術. 2018(22)
[6]一種利用機端電壓幅值軌跡MLE指標的暫態(tài)功角穩(wěn)定在線辨識方法[J]. 魏少攀,楊明,韓學山,馬世英,劉道偉.  中國電機工程學報. 2017(13)
[7]基于堆疊自動編碼器的電力系統(tǒng)暫態(tài)穩(wěn)定評估[J]. 朱喬木,陳金富,李弘毅,石東源,李銀紅,段獻忠.  中國電機工程學報. 2018(10)
[8]國外2起重要停電事故分析及啟示[J]. 靳曉凌,代賢忠,張鈞.  電力安全技術. 2016(07)
[9]智能配電網(wǎng)大數(shù)據(jù)應用需求和場景分析研究[J]. 歐陽曙光.  科技創(chuàng)新導報. 2015(31)
[10]材料時頻域屏蔽效能及其強電磁場測試（英文）[J]. 張龍,魏光輝,范麗思,胡小鋒,趙陽,張勇強.  高電壓技術. 2013(10)

博士論文
[1]基于深度學習的電力系統(tǒng)暫態(tài)穩(wěn)定評估及風電功率預測方法研究[D]. 朱喬木.華中科技大學 2019
[2]基于機器學習的電力系統(tǒng)暫態(tài)穩(wěn)定評估研究[D]. 葉圣永.西南交通大學 2010

碩士論文
[1]基于電壓時序軌跡和機器學習的暫態(tài)穩(wěn)定評估[D]. 梁咪咪.浙江大學 2019
[2]基于PMU數(shù)據(jù)的電力系統(tǒng)暫態(tài)穩(wěn)定監(jiān)測[D]. 李霞梅.山東大學 2017
[3]基于PSASP的諸暨電力系統(tǒng)暫態(tài)穩(wěn)定的研究[D]. 陳淑萍.華北電力大學(北京) 2016
[4]基于深度信念網(wǎng)絡的變速器故障分類識別研究[D]. 單外平.華南理工大學 2015
[5]電力系統(tǒng)諧波檢測與去噪方法研究[D]. 朱文文.南京郵電大學 2013
[6]基于數(shù)據(jù)離散化和神經(jīng)網(wǎng)絡的暫態(tài)穩(wěn)定評估方法研究[D]. 李軍.華北電力大學（河北） 2005



本文編號：3187978