考虑拓扑变化的电力系统暂态稳定评估

作者：李欣; 刘晨凯; 郭攀锋; 宁静; 柳圣池; 夏家辉

来源：智慧电力, 2021, 49(12): 59-65.

DOI：10.3969/j.issn.1673-7598.2021.12.010

• 拓扑变化
• 暂态稳定评估
• 深度学习
• 深度森林
• 主动学习

针对电力系统拓扑频繁变化导致暂态稳定评估(TSA)困难的问题,提出一种新颖的基于深度学习的TSA方案。基于深度森林(DF)构建暂态稳定评估模型,创新性地提出考虑主动学习技术和分级策略的DF更新方案。该方案从样本生成和模型训练两方面最大限度节省更新时间,并在电力系统拓扑变化后快速更新DF模型,有较强实用性。最后,在新英格兰39节点系统中对所提TSA方案进行验证,结果表明该方案对拓扑频繁变化的电力系统有更强的适应性与鲁棒性。

• 出版日期2021
• 单位三峡大学