廣域監(jiān)測(cè)系統(tǒng)(WAMS)如今已被廣泛應(yīng)用于電力系統(tǒng)中,而基于WAMS的電力系統(tǒng)暫態(tài)穩(wěn)定分析的研究進(jìn)行的如火如荼。目前研究方法主要包括時(shí)域仿真法、直接法和人工智能法等。由于電力系統(tǒng)大數(shù)據(jù)的快速發(fā)展,基于人工智能的暫態(tài)穩(wěn)定分析方法被看作是最具有前景的方法之一,國(guó)內(nèi)外研究學(xué)者提出了多種應(yīng)用于暫態(tài)穩(wěn)定分析的智能算法(包括人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、決策樹(shù)等)以提高預(yù)測(cè)精度,然而上述算法仍然存在準(zhǔn)確率低、可解釋性差等問(wèn)題。針對(duì)這些問(wèn)題,本文主要研究?jī)?nèi)容包括:1)通過(guò)分析電力系統(tǒng)暫態(tài)穩(wěn)定的機(jī)理,研究影響暫態(tài)穩(wěn)定性的物理因素,利用電力系統(tǒng)分析綜合程序(PSASP)模擬真實(shí)電網(wǎng)中相量測(cè)量單元(PMU),設(shè)置電網(wǎng)中常見(jiàn)的擾動(dòng)(如短路、斷路等),采集電網(wǎng)中發(fā)電機(jī)的角度、角速度、有功功率、母線電壓、電流等數(shù)據(jù)。2)提出一種基于XGBoost的電力系統(tǒng)暫態(tài)穩(wěn)定預(yù)測(cè)方法,基于PMU數(shù)據(jù)構(gòu)建暫穩(wěn)特征,并分析特征之間的皮爾遜相關(guān)系數(shù)以進(jìn)行特征選擇。將上述得到的特征作為模型輸入,在電力系統(tǒng)故障切除后及時(shí)預(yù)測(cè)該故障是否會(huì)導(dǎo)致系統(tǒng)失穩(wěn)。基于模型得到特征重要度排序,挖掘出對(duì)暫態(tài)穩(wěn)定性影響較大的特征,同時(shí)又可以剔除不重要的特征,加快模型訓(xùn)練速度且可以防止過(guò)擬合。然后針對(duì)電網(wǎng)中發(fā)生的某一具體故障,利用XGBoost模型進(jìn)行預(yù)測(cè),結(jié)果表明可以達(dá)到暫態(tài)穩(wěn)定實(shí)時(shí)預(yù)測(cè)的要求,并使用LIME算法對(duì)預(yù)測(cè)結(jié)果進(jìn)行解釋,提高了模型的可解釋性。3)由于傳統(tǒng)的機(jī)器學(xué)習(xí)算法應(yīng)用于暫態(tài)分析中需要基于PMU信息進(jìn)行人工構(gòu)建暫穩(wěn)特征,特征構(gòu)建的好壞直接影響到預(yù)測(cè)結(jié)果,并且構(gòu)建特征的過(guò)程費(fèi)時(shí)費(fèi)力。為了解決該問(wèn)題,提出了基于深度學(xué)習(xí)的暫態(tài)穩(wěn)定評(píng)估,由于深度學(xué)習(xí)較于傳統(tǒng)機(jī)器學(xué)習(xí)有兩個(gè)優(yōu)點(diǎn):一是面對(duì)大數(shù)據(jù)量時(shí),深度學(xué)習(xí)的擬合能力更強(qiáng),二是可以自動(dòng)提取特征。因此分別將卷積神經(jīng)網(wǎng)絡(luò)(CNN)和長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)應(yīng)用于電力系統(tǒng)暫態(tài)穩(wěn)定預(yù)測(cè)中。4)為了進(jìn)一步解析電網(wǎng)受到的擾動(dòng),除了判別擾動(dòng)是否會(huì)導(dǎo)致系統(tǒng)失穩(wěn)外,又提出基于深度學(xué)習(xí)的電力系統(tǒng)故障定位。在新英格蘭10機(jī)39節(jié)點(diǎn)系統(tǒng)進(jìn)行算例分析,該系統(tǒng)中有34條交流線路。基于CNN模型的暫態(tài)穩(wěn)定性預(yù)測(cè)和故障定位準(zhǔn)確率均可達(dá)到99%以上。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TM712
【部分圖文】：

功角達(dá)到b 。Pm2Pm1ab90° 180°P雙回線路工作時(shí)Pe圖 2-3 雙回線運(yùn)行時(shí)有功-功角關(guān)系圖2.1.3 等面積定則將發(fā)電機(jī)轉(zhuǎn)子搖擺方程所定義的發(fā)電機(jī)動(dòng)態(tài)行為和功角特性相結(jié)合，即可用等面積定則來(lái)解釋暫態(tài)穩(wěn)定的概念。對(duì)式(2-7)搖擺方程處理，用功率標(biāo)幺值替代轉(zhuǎn)矩

電子科技大學(xué)碩士學(xué)位論文4.1.2 LSTM 簡(jiǎn)介循環(huán)神經(jīng)網(wǎng)絡(luò)（recurrent neural network, RNN）出現(xiàn)在 20 世紀(jì) 80 年代，它是一種專門處理序列輸入的神經(jīng)網(wǎng)絡(luò)，圖 4-3 為 RNN 的基本結(jié)構(gòu)。RNN 能夠處理變長(zhǎng)序列輸入，且具有“記憶”特性，在自然語(yǔ)言處理和其他時(shí)間序列任務(wù)中效果顯著。

可以優(yōu)化神經(jīng)網(wǎng)絡(luò)模型，并將訓(xùn)練過(guò)的模型部署到云、數(shù)據(jù)中心、嵌入式統(tǒng)或者汽車產(chǎn)品平臺(tái)；DeepStream，可通過(guò)智能視頻分析和多傳感器處理為態(tài)勢(shì)知提供完整的流分析工具包。4.1.4 深度學(xué)習(xí)框架我們可以使用 Python 或其他編程語(yǔ)言從頭開(kāi)始實(shí)現(xiàn)自己的深度學(xué)習(xí)算法，是深度學(xué)習(xí)模型龐大而復(fù)雜，我們不必從頭開(kāi)始編寫(xiě)每個(gè)函數(shù)，而是依靠深度學(xué)框架和軟件庫(kù)來(lái)有效的構(gòu)建深度神經(jīng)網(wǎng)絡(luò)。由于深度學(xué)習(xí)在近幾年飛速發(fā)展，一高科技公司(如 Google，F(xiàn)acebook 等)開(kāi)發(fā)了非常方便的深度學(xué)習(xí)開(kāi)源框架。目前較流行的深度學(xué)習(xí)框架包括 Tensorflow，Keras，Pytorch 等。對(duì)于深度學(xué)習(xí)框架，每一個(gè)框架都有不同的特性，它們使用不同的技術(shù)優(yōu)化度學(xué)習(xí)算法。為了全面評(píng)估各個(gè)深度學(xué)習(xí)框架，下圖綜合了相關(guān)深度學(xué)習(xí)框架的索熱度、文章數(shù)量、書(shū)籍?dāng)?shù)量、Github 活躍度等對(duì)目前比較流程的深度學(xué)習(xí)框架行了評(píng)分。綜合上述指標(biāo)，表 4-5 展示了各個(gè)主流的深度學(xué)習(xí)框架在 2018 年的行程度。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱利鵬;陸超;孫元章;黃河;蘇寅生;李智歡;;基于數(shù)據(jù)挖掘的區(qū)域暫態(tài)電壓穩(wěn)定評(píng)估[J];電網(wǎng)技術(shù);2015年04期

2 王亞俊;王波;唐飛;陳得治;王靜;王乙斐;周雨田;;基于響應(yīng)軌跡和核心向量機(jī)的電力系統(tǒng)在線暫態(tài)穩(wěn)定評(píng)估[J];中國(guó)電機(jī)工程學(xué)報(bào);2014年19期

3 吳為;湯涌;孫華東;徐式蘊(yùn);;基于廣域量測(cè)信息的電力系統(tǒng)暫態(tài)穩(wěn)定研究綜述[J];電網(wǎng)技術(shù);2012年09期

4 葉圣永;王曉茹;劉志剛;錢清泉;;基于支持向量機(jī)增量學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估[J];電力系統(tǒng)自動(dòng)化;2011年11期

5 林偉芳;孫華東;湯涌;卜廣全;印永華;;巴西“11·10”大停電事故分析及啟示[J];電力系統(tǒng)自動(dòng)化;2010年07期

6 劉新東;江全元;曹一家;;N-1條件下不失去可觀測(cè)性的PMU優(yōu)化配置方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2009年10期

7 劉新東;江全元;曹一家;;基于功角受擾軌跡擬合的暫態(tài)穩(wěn)定快速預(yù)測(cè)[J];電力系統(tǒng)自動(dòng)化;2008年19期

8 宋方方;畢天姝;楊奇遜;;基于WAMS的電力系統(tǒng)受擾軌跡預(yù)測(cè)[J];電力系統(tǒng)自動(dòng)化;2006年23期

9 陳磊;閔勇;;考慮暫態(tài)電壓跌落限制的直接法暫態(tài)穩(wěn)定分析[J];電力系統(tǒng)自動(dòng)化;2006年21期

10 唐斯慶;張彌;李建設(shè);吳小辰;蔣琨;舒雙焰;;海南電網(wǎng)“9·26"大面積停電事故的分析與總結(jié)[J];電力系統(tǒng)自動(dòng)化;2006年01期

相關(guān)博士學(xué)位論文 前1條

1 葉圣永;基于機(jī)器學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估研究[D];西南交通大學(xué);2010年

相關(guān)碩士學(xué)位論文 前3條

1 侯金秀;基于電壓相量和深度學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定快速評(píng)估[D];中國(guó)電力科學(xué)研究院;2017年

2 王臻;基于權(quán)值共享的深度卷積網(wǎng)絡(luò)的電力系統(tǒng)暫態(tài)穩(wěn)定預(yù)測(cè)[D];北京郵電大學(xué);2017年

3 劉雷濤;基于機(jī)器學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估[D];華北電力大學(xué);2017年

本文編號(hào)：2852225