Construction Method for Input Features of Convolutional Neural Network for Transient Voltage Stability Assessment

Lin ZHU; Jian ZHANG; Da CHEN; Lu MIAO; Fei LONG; Wenjia YANG

doi:10.7500/AEPS20201126003

您当前的位置：

首页 >

文章列表页 >

Construction Method for Input Features of Convolutional Neural Network for Transient Voltage Stability Assessment

Special Topic on Data-Driven Methods for Modernizing Power Systems | 更新时间：2025-06-16

- Construction Method for Input Features of Convolutional Neural Network for Transient Voltage Stability Assessment
- Automation of Electric Power Systems Vol. 46, Issue 1, Pages: 85-93(2022)
- 作者机构：
  
  1.华南理工大学电力学院，广东省广州市 510640
  2.国网江苏省电力有限公司，江苏省南京市 210024
  3.广东电网有限责任公司电力调度控制中心，广东省广州市 510660
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China-State Grid Corporation of China Joint Fund Project(U1766213);China Southern Power Grid Company Limited(GDKJXM20198236)
- DOI：10.7500/AEPS20201126003
  CLC：
- Received：26 November 2020，
  
  Revised：2021-06-08，
  
  Published Online：27 July 2021，
  
  Published：10 January 2022
- 稿件说明：
移动端阅览
朱林,张健,陈达等.面向暂态电压稳定评估的卷积神经网络输入特征构建方法[J].电力系统自动化,2022,46(1):85-93.

ZHU Lin,ZHANG Jian,CHEN Da,et al.Construction Method for Input Features of Convolutional Neural Network for Transient Voltage Stability Assessment[J].Automation of Electric Power Systems,2022,46(1):85-93.
朱林,张健,陈达等.面向暂态电压稳定评估的卷积神经网络输入特征构建方法[J].电力系统自动化,2022,46(1):85-93. DOI： 10.7500/AEPS20201126003.

ZHU Lin,ZHANG Jian,CHEN Da,et al.Construction Method for Input Features of Convolutional Neural Network for Transient Voltage Stability Assessment[J].Automation of Electric Power Systems,2022,46(1):85-93. DOI： 10.7500/AEPS20201126003.

摘要

以卷积神经网络（CNN）为代表的深度学习算法在电力系统暂态电压稳定评估中开始得到应用，但其输入特征的构建方法及合理性验证未得到充分的研究。面对交直流系统暂态电压稳定评估，提出了一种适用于CNN的输入特征构建方法。首先，基于双阶段分区来降低输入特征的维度和冗余度，即先依据系统拓扑关系和地理位置约束给出初始分区结果，再以节点的暂态电压特征相似性进行聚类，得到降低维度和冗余度后的最佳分区方案；然后，在分区结果的基础上，考察影响交直流系统暂态电压稳定的关键因素，构建兼顾稳态特征量和多维度故障信息的输入特征；最后，将所构建的输入特征应用于CNN暂态电压评估模型，并采用实际电网数据进行验证。仿真结果表明，所提方法较传统特征选择方法具有更高的准确性。

Abstract

As a representative deep learning algorithm

the convolutional neural network (CNN) has been used in the transient voltage stability assessment of the power system. However

the construction method and rationality verification for the input features of CNN have not been thoroughly studied. For the transient voltage stability assessment of an AC/DC system

a CNN based construction method for input features is proposed. Firstly

a two-stage partition scheme is used to reduce the dimensionality and redundancy of the input features

i.e.

the initial partition result is first given according to the system topology and geographic location constraints

then aggregated by the similarity of transient voltage characteristics to obtain the best partition scheme with low dimension and redundancy. Secondly

based on the partition result

the key factors affecting the transient voltage stability of the AC/DC system are investigated and the input features that take in account both the steady-state characteristics and multi-dimensional fault information are constructed. Finally

the constructed input features are applied to the CNN transient voltage assessment model and verified by actual power grid data. Simulation results demonstrate that the proposed method has higher accuracy than the traditional feature selection methods.

关键词

Keywords

references

杨超，梁海平，顾雪平，等 . 多直流馈入异步受端电网恢复的分区方法［J］. 电力系统自动化， 2019 ， 43 （ 10 ）： 162 - 175 .

YANG Chao ， LIANG Haiping ， GU Xueping ， et al . Partition method for restoration of asynchronous receiving end power grid with multi-infeed HVDC ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 10 ）： 162 - 175 .

徐政，屠卿瑞，裘鹏 . 从2010国际大电网会议看直流输电技术的发展方向［J］. 高电压技术， 2010 ， 36 （ 12 ）： 3070 - 3077 .

XU Zheng ， TU Qingrui ， QIU Peng . New trends in HVDC technology viewed through CIGRE 2010 ［J］. High Voltage Engineering ， 2010 ， 36 （ 12 ）： 3070 - 3077 .

杨挺，赵黎媛，王成山 . 人工智能在电力系统及综合能源系统中的应用综述［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 2 - 14 .

YANG Ting ， ZHAO Liyuan ， WANG Chengshan . Review on application of artificial intelligence in power system and integrated energy system ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 2 - 14 .

管霖，吴亮，卓映君，等 . 面向暂态电压控制的大电网区域划分方法［J］. 电网技术， 2018 ， 42 （ 11 ）： 3753 - 3759 .

GUAN Lin ， WU Liang ， ZHUO Yingjun ， et al . Large power system partitioning method for transient voltage control ［J］. Power System Technology ， 2018 ， 42 （ 11 ）： 3753 - 3759 .

ZADKHAST S ， JATSKEVICH J ， VAAHEDI E . A multi-decomposition approach for accelerated time-domain simulation of transient stability problems ［J］. IEEE Transactions on Power Systems ， 2015 ， 30 （ 5 ）： 2301 - 2311 .

李常刚，李华瑞，刘玉田，等 . 大电网动态安全风险智能评估系统［J］. 电力系统自动化， 2019 ， 43 （ 22 ）： 67 - 75 .

LI Changgang ， LI Huarui ， LIU Yutian ， et al . Intelligent assessment system for dynamic security risk of large-scale power grid ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 22 ）： 67 - 75 .

施阳，李勇，曹一家，等 . 基于形态相似距离的暂态电压稳定评估方法［J］. 电力系统及其自动化学报， 2020 ， 32 （ 5 ）： 105 - 112 .

SHI Yang ， LI Yong ， CAO Yijia ， et al . Transient voltage stability assessment method based on morphologically similar distance ［J］. Proceedings of the CSU-EPSA ， 2020 ， 32 （ 5 ）： 105 - 112 .

来文青，龚庆武，高春辉，等 . 基于特征量和卷积神经网络的暂态电压稳定评估［J］. 武汉大学学报（工学版）， 2019 ， 52 （ 9 ）： 815 - 823 .

LAI Wenqing ， GONG Qingwu ， GAO Chunhui ， et al . Transient voltage stability evaluation based on feature and convolutional neural network ［J］. Engineering Journal of Wuhan University ， 2019 ， 52 （ 9 ）： 815 - 823 .

XU Y ， ZHANG R ， ZHAO J ， et al . Assessing short-term voltage stability of electric power systems by a hierarchical intelligent system ［J］. IEEE Transactions on Neural Networks and Learning Systems ， 2016 ， 27 （ 8 ）： 1686 - 1696 .

朱利鹏，陆超，黄河，等 . 基于广域时序数据挖掘策略的暂态电压稳定评估［J］. 电网技术， 2016 ， 40 （ 1 ）： 180 - 185 .

ZHU Lipeng ， LU Chao ， HUANG He ， et al . Wide-area time series data mining based transient voltage stability assessment ［J］. Power System Technology ， 2016 ， 40 （ 1 ）： 180 - 185 .

杨维全，朱元振，刘玉田 . 基于卷积神经网络的暂态电压稳定快速评估［J］. 电力系统自动化， 2019 ， 43 （ 22 ）： 46 - 52 .

YANG Weiquan ， ZHU Yuanzhen ， LIU Yutian . Fast assessment of transient voltage stability based on convolutional neural network ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 22 ）： 46 - 52 .

GEEGANAGE J ， ANNAKKAGE U D ， WEEKES T ， et al . Application of energy-based power system features for dynamic security assessment ［J］. IEEE Transactions on Power Systems ， 2015 ， 30 （ 4 ）： 1957 - 1965 .

颜伟，高峰，王芳，等 . 考虑区域负荷无功裕度的无功电压优化分区方法［J］. 电力系统自动化， 2015 ， 39 （ 2 ）： 61 - 66 .

YAN Wei ， GAO Feng ， WANG Fang ， et al . An optimal network partitioning algorithm for reactive power and voltage control considering regional reactive power margin ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 2 ）： 61 - 66 .

杨欢欢 . 高压直流输电系统对受端电网暂态电压稳定影响的评估方法［D］. 广州：华南理工大学， 2016 .

YANG Huanhuan . Assessment methods of LCC-HVDC system impact on short-term voltage stability of the receiving-end AC system ［D］. Guangzhou ： South China University of Technology ， 2016 .

OUYANG Jinxin ， TANG Ting ， YAO Jun ， et al . Active voltage control for DFIG-based wind farm integrated power system by coordinating active and reactive powers under wind speed variations ［J］. IEEE Transactions on Energy Conversion ， 2019 ， 34 （ 3 ）： 1504 - 1511 .

CHEN Kunjin ， HU Jun ， YU Zhanqing ， et al . Fault location in power distribution systems via deep graph convolutional networks ［J］. IEEE Journal on Selected Areas in Communications ， 2020 ， 38 （ 1 ）： 119 - 131 .

张文朝，张博，潘捷，等 . 基于感应电动机网荷互馈特性的暂态电压失稳机理探析［J］. 电力系统自动化， 2017 ， 41 （ 7 ）： 8 - 14 .

ZHANG Wenchao ， ZHANG Bo ， PAN Jie ， et al . Mechanism analysis for transient voltage instability based on crossfeed characteristics between power network and load of induction motor ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 7 ）： 8 - 14 .

胡伟，张玮灵，闵勇，等 . 基于支持向量机的电力系统紧急控制实时决策方法［J］. 中国电机工程学报， 2017 ， 37 （ 16 ）： 4567 - 4576 .

HU Wei ， ZHANG Weiling ， MIN Yong ， et al . Real-time emergency control decision in power system based on support vector machines ［J］. Proceedings of the CSEE ， 2017 ， 37 （ 16 ）： 4567 - 4576 .

肖浩，李银红，于芮技，等 . 影响多馈入直流系统换相失败的电网薄弱区域快速识别方法［J］. 中国电机工程学报， 2016 ， 36 （ 7 ）： 1781 - 1789 .

XIAO Hao ， LI Yinhong ， YU Ruiji ， et al . A rapid identification method of weak areas in power grid based on commutation failure analysis in multi-infeed HVDC systems ［J］. Proceedings of the CSEE ， 2016 ， 36 （ 7 ）： 1781 - 1789 .

陈达，朱林，张健，等 . 基于卷积神经网络的暂态电压稳定评估及风险量化［J］. 电力系统自动化， 2021 ， 45 （ 14 ）： 65 - 71 .

CHEN Da ， ZHU Lin ， ZHANG Jian ， et al . Transient voltage stability assessment and risk quantification based on convolutional neural network ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 14 ）： 65 - 71 .

CAI Kewei ， CAO Wenping ， AARNIOVUORI L ， et al . Classification of power quality disturbances using Wigner-Ville distribution and deep convolutional neural networks ［J］. IEEE Access ， 2019 ， 7 ： 119099 - 119109 .

朱林，陈达，张健，等 . 计及特征约束的南方电网主网架动态等值方案［J］. 电力自动化设备， 2019 ， 39 （ 9 ）： 206 - 212 .

ZHU Lin ， CHEN Da ， ZHANG Jian ， et al . Dynamic equivalent scheme for main grid of China Southern Power Grid considering feature constraints ［J］. Electric Power Automation Equipment ， 2019 ， 39 （ 9 ）： 206 - 212 .

MEISTER D ， BITTNER J . Parallel locally-ordered clustering for bounding volume hierarchy construction ［J］. IEEE Transactions on Visualization & Computer Graphics ， 2018 ， 24 （ 3 ）： 1345 - 1353 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Lissajous Locus-based Efficient Identification Framework for Power Quality Disturbances Based on Edge-Cloud Collaboration

Identification of Leading Instable Generators for Large-scale Power Grid Based on Steady-state Characteristic Inputs

Ultra-short-term Regional Load Forecasting Based on Spatio-Temporal Graph Attention Network

Operation Section Image Generation and Feature Extraction for New Power System Considering Spatio-Temporal Integrity

Medium- and Long-term Industry Load Forecasting Method Considering Multi-dimensional Temporal Features

Related Author

ZHANG Xi

ZHENG Jianyong

MEI Fei

MIAO Huiyu

YU Jingxing

HUANG Jiyu

ZHANG Yongjun

ZHONG Kanghua

Related Institution

Electric Power Research Institute of State Grid Jiangsu Electric Power Co., Ltd.

College of Energy and Electrical Engineering, Hohai University

School of Electrical Engineering, Southeast University

School of Cyber Science and Engineering, Southeast University

Department of Statistics, University of Warwick

⁰