结合人工特征和残差网络的电力系统暂态稳定预测方法

    公开(公告)号:CN110224401B

    公开(公告)日:2020-09-01

    申请号:CN201910529608.6

    申请日:2019-06-19

    IPC分类号: H02J3/00 G06Q10/04 G06Q50/06

    摘要: 本发明涉及一种结合人工特征和残差网络的电力系统暂态稳定预测方法,属于电力系统稳定分析技术领域。本发明采集故障切除后发电机的各变量,构成初始特征向量;根据人为设定从初始特征中提取人工特征,将初始特征向量排列成三维数据,利用深度残差网络中的残差单元自动提取特征,将该自动提取特征与人工特征共同作为全连接层的输入,经过两层全连接层处理后得到暂态稳定预测输出,构成暂态稳定预测模型的结构;最后,利用训练样本集和验证样本集,迭代求解得到相对优的模型参数,从而得到最终的暂态稳定预测模型,并用于暂态稳定预测。本发明通过人工特征与深度残差网络中残差单元的结合,以及模型参数的择优选择,能够提高电力系统暂态稳定的预测准确率。

    结合人工特征和残差网络的电力系统暂态稳定预测方法

    公开(公告)号:CN110224401A

    公开(公告)日:2019-09-10

    申请号:CN201910529608.6

    申请日:2019-06-19

    IPC分类号: H02J3/00 G06Q10/04 G06Q50/06

    摘要: 本发明涉及一种结合人工特征和残差网络的电力系统暂态稳定预测方法,属于电力系统稳定分析技术领域。本发明采集故障切除后发电机的各变量,构成初始特征向量;根据人为设定从初始特征中提取人工特征,将初始特征向量排列成三维数据,利用深度残差网络中的残差单元自动提取特征,将该自动提取特征与人工特征共同作为全连接层的输入,经过两层全连接层处理后得到暂态稳定预测输出,构成暂态稳定预测模型的结构;最后,利用训练样本集和验证样本集,迭代求解得到相对优的模型参数,从而得到最终的暂态稳定预测模型,并用于暂态稳定预测。本发明通过人工特征与深度残差网络中残差单元的结合,以及模型参数的择优选择,能够提高电力系统暂态稳定的预测准确率。