检索结果-内蒙古大学图书馆

中国电机工程学报 2024年第24期44卷 9507-9520,I0001页

作者：甄永赞阮程胡永强李宗翰袁超新能源电力系统全国重点实验室(华北电力大学) 北京市昌平区102206 电网安全全国重点实验室(中国电力科学研究院有限公司) 北京市海淀区100192

新型电力系统发展背景下,故障后暂态功角失稳与暂态电压失稳相互影响、交互作用,现有基于人工智能的主导失稳模式辨识研究尚处于起步阶段,且存在“黑箱”问题。为此,提出一种基于分级自适应倾斜决策树的主导失稳模式辨识新方法。采用滑... 详细信息

新型电力系统发展背景下,故障后暂态功角失稳与暂态电压失稳相互影响、交互作用,现有基于人工智能的主导失稳模式辨识研究尚处于起步阶段,且存在“黑箱”问题。为此,提出一种基于分级自适应倾斜决策树的主导失稳模式辨识新方法。采用滑窗轨迹簇特征构造法来捕获电气量时序响应信息,提升模型训练速度、泛化能力与鲁棒性。辨识模型构建上,使用融合支持向量机决策面的倾斜决策树分类模型建立主导失稳模式与特征量间的映射关系,以多维特征的非线性组合来增强传统决策树内部节点分支能力,提升辨识精度。方法第一阶段进行稳定性评估,并引入代价敏感机制降低失稳工况错判风险;第二阶段进行主导失稳模式辨识。此外,利用一种分级自适应策略来提高样本辨识速度,并进一步减少错判。所生成辨识规则由多项式表征,并能够挖掘多组合特征与主导失稳模式间的关联关系。暂态功角失稳-电压崩溃系统算例及万节点标准算例验证所提方法的有效性,为基于人工智能进行主导失稳模式辨识与分析提供一种新思路。

关键词：主导失稳模式滑窗轨迹簇特征倾斜决策树分级自适应辨识规则

来源：评论

学校读者我要写书评

暂无评论

适应拓扑变化的数据驱动电力系统暂态主导失稳模式识别方法

引用

中国电机工程学报 2025年第9期45卷 3436-3447,I0013页

作者：周芮杨燕余娟杨知方朱晟毅余亚南孙昕炜输变电装备技术全国重点实验室(重庆大学) 重庆市沙坪坝区400044 国网重庆市电力公司电力科学研究院重庆市渝北区401123 国网四川省电力公司电力科学研究院四川省成都市610041

电力系统暂态电压与功角混合失稳下的主导失稳模式(dominant instability mode,DIM)识别对制定快速调整措施至关重要。然而,现有数据驱动方法因拓扑变化适应能力不足,导致识别精度下降甚至失效。由此,该文提出一种适应拓扑变化的数据驱... 详细信息

电力系统暂态电压与功角混合失稳下的主导失稳模式(dominant instability mode,DIM)识别对制定快速调整措施至关重要。然而,现有数据驱动方法因拓扑变化适应能力不足,导致识别精度下降甚至失效。由此,该文提出一种适应拓扑变化的数据驱动DIM识别方法。首先,提出基于K-means聚类和多随机卷积核变换的DIM高精度智能识别基础模型,利用K-means自适应选取关键暂态曲线,基于多随机卷积核变换表征暂态曲线斜率、失稳持续时间等重要DIM判断特征,从而适应拓扑变化并高效提取暂态曲线时序特征。其次,针对单个基础模型输出不确定性、可信度不足问题,提出基于Bagging集成学习和误差-分歧分解理论的DIM智能识别框架,自适应最优选择多个基础模型共同决策,提高结果的稳定性和可信性。最后,在中国电力科学研究院有限公司36节点系统及其修改系统、某实际电网8897节点系统上的算例分析表明,所提方法可在保证较高DIM识别精度的情况下适应拓扑变化,验证了方法的有效性。

关键词：暂态稳定主导失稳模式关键曲线选取多随机卷积核变换集成学习

来源：评论

学校读者我要写书评

暂无评论

基于图卷积网络和双向门控循环单元的电力系统主导失稳模式辨识

引用

中国电机工程学报 2024年

作者：王长江张千龙姜涛陈厚合陶宇轩现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学) 国家电网有限公司西南分部

为快速准确辨识电力系统主导失稳模式，本文提出一种基于图卷积神经网络(Graph Convolutional Network， GCN)和双向门控循环单元（Bi-directional Gated Recurrent Unit，Bi-GRU）的电力系统主导失稳模式辨识方法。首先，根据系统故障... 详细信息

为快速准确辨识电力系统主导失稳模式，本文提出一种基于图卷积神经网络(Graph Convolutional Network， GCN)和双向门控循环单元（Bi-directional Gated Recurrent Unit，Bi-GRU）的电力系统主导失稳模式辨识方法。首先，根据系统故障前后暂态电气量时序演变规律及空间分布特性，构建表征电力系统运行状态的特征矩阵；然后，建立GCN与Bi-GRU相结合的深度学习模型，利用GCN整合拓扑空间信息来提高模型泛化性，同时利用Bi-GRU自适应感知输入特征的全局时间序列信息，以深度挖掘特征矩阵的空间特性和时序特性，进而明晰暂态过程中各暂态电气量间的深层联系及交互影响，实现电力系统主导失稳模式的精确辨识；最后，通过修改后IEEE-39节点系统和某地区实际电网的实验结果表明，所提方法具备一定可解释性，相比其他深度学习方法在有效性、准确性和适应性方面存在一定的优势。

关键词：主导失稳模式电压稳定功角稳定图卷积神经网络双向门控循环单元

来源：评论

学校读者我要写书评

暂无评论

基于SE-CNN和仿真数据的电力系统主导失稳模式智能识别

引用

中国电机工程学报 2022年第21期42卷 7719-7730页

作者：石重托姚伟黄彦浩汤涌文劲宇强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院) 湖北省武汉市430074 中国电力科学研究院有限公司北京市海淀区100192

故障后的主导失稳模式识别是电力系统仿真分析中的一项重要内容,用以指导制定在线应用的紧急控制措施策略表,但实际电网的功角失稳和电压失稳常交织在一起而难以判断。该文探索人工智能在主导失稳模式识别上的应用,提出一种深度学习的... 详细信息

故障后的主导失稳模式识别是电力系统仿真分析中的一项重要内容,用以指导制定在线应用的紧急控制措施策略表,但实际电网的功角失稳和电压失稳常交织在一起而难以判断。该文探索人工智能在主导失稳模式识别上的应用,提出一种深度学习的方法。该方法基于仿真所得的发电机功角和母线电压数据,直接识别出系统的稳定状态和主导失稳模式,即稳定、功角失稳或电压失稳。采用改进的卷积神经网络(convolutional neural network,CNN)模型实现这一智能方法,即通过引入挤压激励网络模块,显式建模CNN特征通道间的相关关系,自适应调整特征通道的权重,进一步提升CNN的效果。以中国电科院36节点系统和我国东北电网为例进行仿真,结果验证了所提主导失稳模式识别方法相比传统机器学习方法在有效性、准确性和适应性方面存在一定的优势。结果验证了基于人工智能的主导失稳模式识别的可行性和准确性。

关键词：电力系统仿真分析主导失稳模式功角稳定电压稳定挤压激励网络卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

融合虚拟对抗训练和均值教师模型的主导失稳模式识别半监督学习框架

引用

中国电机工程学报 2022年第20期42卷 7497-7508页

作者：张润丰姚伟石重托汤涌文劲宇强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院) 湖北省武汉市430074 中国电力科学研究院有限公司北京市海淀区100192

电网仿真计算对电力系统规划、运行方式和控制决策制定具有重要的指导意义。在仿真计算中,一个重要的步骤是根据海量暂稳仿真数据分析电力系统的稳定性以及主导失稳模式,为后续制定紧急控制决策表提供帮助,该文采用深度学习克服传统方... 详细信息

电网仿真计算对电力系统规划、运行方式和控制决策制定具有重要的指导意义。在仿真计算中,一个重要的步骤是根据海量暂稳仿真数据分析电力系统的稳定性以及主导失稳模式,为后续制定紧急控制决策表提供帮助,该文采用深度学习克服传统方法难以有效区分实际电网中功角失稳和电压失稳的问题。为降低深度神经网络对有标注样本的依赖,进一步提出一种融合虚拟对抗训练(virtual adversarial training,VAT)和均值教师(mean teacher,MT)模型的半监督学习框架进行仿真分析中的主导失稳模式智能识别。VAT-MT模型分别构造一个教师网络和学生网络,通过对样本特征施加扰动后输入到两个网络中计算一致化损失来强化模型训练,同时采用VAT计算最大扰动方向提升模型的性能。在中国电科院36节点系统和东北电网上进行算例研究,结果表明,所提出的方法能够极大降低样本的标注成本,具有适应实际电网的能力。

关键词：仿真数据分析主导失稳模式半监督学习均值教师虚拟对抗训练

来源：评论

学校读者我要写书评

暂无评论

电力系统关键输电及主导振荡断面辨识机制研究

电力系统关键输电及主导振荡断面辨识机制研究

引用

作者：张寿志北京建筑大学

学位级别：硕士

为推进“碳达峰、碳中和”目标实现,电力系统朝着高比例电力电子、高比例可再生能源以及大规模区域互联方向不断发展。日益复杂的电网结构使得电力系统振荡特性机理发生深刻变化,导致不同失稳模式强耦合在一起,为电网安全决策制定带来... 详细信息

为推进“碳达峰、碳中和”目标实现,电力系统朝着高比例电力电子、高比例可再生能源以及大规模区域互联方向不断发展。日益复杂的电网结构使得电力系统振荡特性机理发生深刻变化,导致不同失稳模式强耦合在一起,为电网安全决策制定带来困扰。区分系统主导失稳模式并辨识出不同失稳模式易发生故障的薄弱输电环节,对提高电力系统安全性及稳定性意义重大。首先,针对电力系统主导失稳模式难以区分问题,提出一种基于深度学习模型的主导失稳模式判别方法。该方法对相量测量单元(Phasor Measurement Units,PMU)数据集进行预处理与标注,生成多种不同类型高质量数据集用以深度学习模型训练;利用凌日优化算法对模型相关参数进行寻优,再对所构建模型训练并进行性能评估以达到最优模型性能;结合相关判据并利用训练完成模型对主导失稳模式进行判定,在新英格兰10机39节点上设置两个案例验证本文构建模型有效性。该方法绕开复杂稳定机理,从数据特征角度直接进行主导失稳模式判别,在精度上具有一定优势且适合复杂度较高情况。其次,针对电力系统脆弱输电线路辨识指标单一化以及关键输电断面搜索存在错选与漏检等问题,提出一种基于PMU数据及图论方法的脆弱输电线路及关键输电断面辨识方法。该方法从PMU数据空间可视化角度出发,利用相似性理论构建电力系统拓扑图;提出一种融合功率传输分布因子与电网潮流转移熵的电网脆弱线路辨识综合评价指标,功率传输分布因子从电网物理结构方面考虑线路脆弱程度,电网潮流转移熵评估指标则根据运行时线路自身潮流承载能力判断线路关键度,综合二者权重得到线路脆弱度排名;提出一种改进Floyd算法,使其可以快速准确搜索脆弱输电线路所对应潮流转移断面。根据支路开断分布因子及线路安全裕度筛选出关键输电断面。在新英格兰10机39节点系统验证本文方法准确性,与传统分析方法进行比较,证明本文在准确率及计算效率上具有一定优势。最后,针对电力系统主导振荡断面辨识不准确问题,提出一种融合改进多通道奇异谱分析与耗散能量的主导振荡断面辨识方法。该方法构建区域等效模型并利用PMU数据推算出模型相关参数;对多通道奇异谱算法进行改进,使其自主确定阶数,提升共振分量识别能力及抗噪声能力。对原始PMU信号进行分析从而分离出区间振荡模式信号。提出一种能量函数分析方法,对重构后的区域间振荡模式信号进行耗散能量分析,实现区域等效发电机状态可视化。结合区域等效模型拓扑图实现主导振荡断面辨识。通过IEEE 68节点系统及WECC 240节点系统验证本文方法有效性,表明本文方法在抗噪声能力及精度上均表现优异。

关键词：主导失稳模式脆弱输电线路关键输电断面区间振荡模式主导振荡断面

来源：评论

学校读者我要写书评

暂无评论

超高压变电站接入弱交流系统的功角、电压稳定问题研究

引用

电工技术 2024年第19期 173-177,183页

作者：卢子敬吴启亮贾波李子寿周濛张焱哲莫石占佳声国网湖北省电力有限公司湖北武汉430077 国网湖北省电力有限公司经济技术研究院湖北武汉430077 中国电力工程顾问集团中南电力设计院有限公司湖北武汉430071

超高压变电站接入弱交流系统情况不可避免,故障发生后可能引起近区电网暂态稳定问题。系统失稳可能呈现电压失稳和功角失稳两种表现形式,不同运行方式下系统的稳定特征和表现形式不同。在大负荷且地区电源开机不足方式下以电压失稳模式... 详细信息

超高压变电站接入弱交流系统情况不可避免,故障发生后可能引起近区电网暂态稳定问题。系统失稳可能呈现电压失稳和功角失稳两种表现形式,不同运行方式下系统的稳定特征和表现形式不同。在大负荷且地区电源开机不足方式下以电压失稳模式为主导,在小负荷且电源开机较多时以功角失稳模式为主导。部分方式下两种稳定问题相互交织,共同导致系统失稳。以某超高压变电站A接入电网的情况为例,分析了系统存在的稳定问题和相关影响因素,识别了不同运行方式下系统的主导失稳模式,并制定了相应的安全稳定控制措施。

关键词：超高压变电站主导失稳模式电压失稳功角失稳控制措施

来源：评论

学校读者我要写书评

暂无评论

电力系统暂态稳定关键影响因素仿真研究

引用

湖南工程学院学报（自然科学版） 2023年第4期33卷 15-19页

作者：刘承峰汤德威康思扬韦肖燕唐勇奇湖南工程学院电气与信息工程学院湘潭411104

针对动态负荷比例和初始转差率对暂态功角失稳和暂态电压失稳耦合程度的影响,以及互联电网出现功角失稳和电压失稳耦合时,初始转差率和感应电动机比例对主导失稳模式的影响进行了仿真比较研究.仿真结果表明,与初始转差率相比,感应电动... 详细信息

针对动态负荷比例和初始转差率对暂态功角失稳和暂态电压失稳耦合程度的影响,以及互联电网出现功角失稳和电压失稳耦合时,初始转差率和感应电动机比例对主导失稳模式的影响进行了仿真比较研究.仿真结果表明,与初始转差率相比,感应电动机比例对暂态功角失稳和暂态电压失稳耦合程度影响更大,而初始转差率则对主导失稳模式有直接影响.

关键词：暂态失稳耦合关系主导失稳模式

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：