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

QU Zhaoyang; ZHANG Zhenming; QU Nan; SHAN Qingyu; ZHOU Yuguang

doi:10.7500/AEPS20230826002

您当前的位置：

首页 >

文章列表页 >

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

Application Research | 更新时间：2025-06-16

- Operation Section Image Generation and Feature Extraction for New Power System Considering Spatio-Temporal Integrity
- Automation of Electric Power Systems Vol. 48, Issue 12, Pages: 156-164(2024)
- 作者机构：
  
  1.东北电力大学电气工程学院，吉林省吉林市 132012
  2.国网江苏省电力有限公司南京供电公司，江苏省南京市 210008
  3.国网吉林省电力有限公司，吉林省长春市 130022
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(52377081)
- DOI：10.7500/AEPS20230826002
  CLC：
- Received：26 August 2023，
  
  Revised：2023-12-21，
  
  Published Online：29 March 2023，
  
  Published：25 June 2024
- 稿件说明：
移动端阅览
曲朝阳,张振明,曲楠等.考虑时空完整性的新型电力系统运行断面图生成与特征提取[J].电力系统自动化,2024,48(12):156-164.

QU Zhaoyang,ZHANG Zhenming,QU Nan,et al.Operation Section Image Generation and Feature Extraction for New Power System Considering Spatio-Temporal Integrity[J].Automation of Electric Power Systems,2024,48(12):156-164.
曲朝阳,张振明,曲楠等.考虑时空完整性的新型电力系统运行断面图生成与特征提取[J].电力系统自动化,2024,48(12):156-164. DOI： 10.7500/AEPS20230826002.

QU Zhaoyang,ZHANG Zhenming,QU Nan,et al.Operation Section Image Generation and Feature Extraction for New Power System Considering Spatio-Temporal Integrity[J].Automation of Electric Power Systems,2024,48(12):156-164. DOI： 10.7500/AEPS20230826002.

摘要

针对新型电力系统运行场景复杂多变、调度目标繁多导致调度方案应变能力不足的问题，提出了一种考虑时空完整性的新型电力系统运行断面图生成与特征提取方法。首先，以系统历史运行断面为数据依托，从时间和空间2个维度出发，定义了考虑时空完整性的时序运行断面数学化表征形式；然后，围绕运行断面数据高维且非线性的特点，设计基于格拉姆角求和场的运行断面高维空间转换算法，将高维时序运行数据编码为运行断面图；最后，以VGG16为基模型，保留其前13层卷积层，并引入全局最大池化层(GMP)替代其末端的全连接层，构建了系统运行断面图的VGG13_GMP特征提取模型。通过算例分析验证了所提方法的有效性及鲁棒性。

Abstract

An operation section image generation and feature extraction method for new power system considering spatio-temporal integrity is proposed to address the problem of insufficient adaptability of scheduling schemes due to the complex and varied operation scenarios and numerous scheduling objectives of the new power system.Firstly

based on the data of the historical operation section of the system

from the two dimensions of time and space

the mathematical representation form of the time-series operation section considering spatio-temporal integrity is defined. Then

around the high-dimensional and nonlinear data characteristics of the operation section

a high-dimensional space conversion algorithm for the operation section based on the Gramian angular summation field is designed

and the high-dimensional time-series operation data is encoded into operation section images. Finally

using VGG16 as the base model

retaining its first 13 convolutional layers

and introducing the global max pool layer (GMP) to replace the fully connected layer at the end

the VGG13_GMP feature extraction model of the system operation section image is constructed. The effectiveness and robustness of the proposed method are verified through the case analysis.

关键词

Keywords

references

HANDAYANI K ， FILATOVA T ， KROZER Y ， et al . Seeking for a climate change mitigation and adaptation nexus： analysis of a long-term power system expansion ［J］. Applied Energy ， 2020 ， 262 ： 114485 .

张玉敏，孙鹏凯，孟祥剑，等 . 基于碳势-能源价格双响应的综合能源系统低碳经济调度［J/OL］. 电力系统自动化［ 2023-08-28 ］. https：//kns.cnki.net/kcms/detail/32.1180.TP.20230828.0831.002.html https://kns.cnki.net/kcms/detail/32.1180.TP.20230828.0831.002.html .

ZHANG Yumin ， SUN Pengkai ， MENG Xiangjian ， et al . Low-carbon economic dispatch of integrated energy system with dual response of carbon potential-energy price ［J/OL］. Automation of Electric Power Systems ［ 2023-08-28 ］. https：//kns.cnki.net/kcms/detail/32.1180.TP.20230828.0831.002.html https://kns.cnki.net/kcms/detail/32.1180.TP.20230828.0831.002.html .

胡博，谢开贵，邵常政，等 . 双碳目标下新型电力系统风险评述：特征、指标及评估方法［J］. 电力系统自动化， 2023 ， 47 （ 5 ）： 1 - 15 .

HU Bo ， XIE Kaigui ， SHAO Changzheng ， et al . Commentary on risk of new power system under goals of carbon emission peak and carbon neutrality： characteristics， indices and assessment methods ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 5 ）： 1 - 15 .

GUO J B ， MA S C ， WANG T Z ， et al . Challenges of developing a power system with a high renewable energy proportion under China’s carbon targets ［J］. iEnergy ， 2022 ， 1 （ 1 ）： 12 - 18 .

王铁强，鲁鹏，曹欣，等 . 基于堆叠自动编码器的电网运行断面相似性匹配研究［J］. 电力建设， 2021 ， 42 （ 1 ）： 117 - 124 .

WANG Tieqiang ， LU Peng ， CAO Xin ， et al . Research on similarity matching of power network operation section applying stacked automatic encoder ［J］. Electric Power Construction ， 2021 ， 42 （ 1 ）： 117 - 124 .

梁海平，田潮，王铁强，等 . 基于改进 K -means算法的电网运行断面相似性匹配研究［J］. 电力自动化设备， 2019 ， 39 （ 7 ）： 119 - 124 .

LIANG Haiping ， TIAN Chao ， WANG Tieqiang ， et al . Running section similarity matching based on improved K -means algorithm ［J］. Electric Power Automation Equipment ， 2019 ， 39 （ 7 ）： 119 - 124 .

王小君，窦嘉铭，刘曌，等 . 可解释人工智能在电力系统中的应用综述与展望［J/OL］. 电力系统自动化［ 2023-12-02 ］. https：//kns.cnki.net/kcms/detail/32.1180.TP.20231130.1133.006.html https://kns.cnki.net/kcms/detail/32.1180.TP.20231130.1133.006.html .

WANG Xiaojun ， DOU Jiaming ， LIU Zhao ， et al . Review and prospect of explainable AI and its application in power systems ［J/OL］. Automation of Electric Power Systems ［ 2023-12-02 ］. https：//kns.cnki.net/kcms/detail/32.1180.TP.20231130.1133.006.html https://kns.cnki.net/kcms/detail/32.1180.TP.20231130.1133.006.html .

ERASLAN G ， AVSEC Ž ， GAGNEUR J ， et al . Deep learning： new computational modelling techniques for genomics ［J］. Nature Reviews Genetics ， 2019 ， 20 ： 389 - 403 .

古莹奎，吴宽，李成 . 基于格拉姆角场和迁移深度残差神经网络的滚动轴承故障诊断［J］. 振动与冲击， 2022 ， 41 （ 21 ）： 228 - 237 .

GU Yingkui ， WU Kuan ， LI Cheng . Rolling bearing fault diagnosis based on Gram angle field and transfer deep residual neural network ［J］. Journal of Vibration and Shock ， 2022 ， 41 （ 21 ）： 228 - 237 .

JEDDI A B ， SHAFIEEZADEH A ， NATEGHI R . PDP-CNN： a deep learning model for post-hurricane reconnaissance of electricity infrastructure on resource-constrained embedded systems at the edge ［J］. IEEE Transactions on Instrumentation Measurement ， 2023 ， 72 ： 3236321 .

薛明华，艾春美，律慧瑾，等 . 电厂安全帽佩戴安全性监控的智能图像处理方法［J］. 中国电机工程学报， 2022 ， 42 （ 9 ）： 3346 - 3353 .

XUE Minghua ， AI Chunmei ， LÜ Huijin ， et al . Intelligent image processing technology for safety helmet wearing in power plant ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 9 ）： 3346 - 3353 .

冯双，陈佳宁，汤奕，等 . 基于SPWVD图像和深度迁移学习的强迫振荡源定位方法［J］. 电力系统自动化， 2020 ， 44 （ 17 ）： 78 - 87 .

FENG Shuang ， CHEN Jianing ， TANG Yi ， et al . Location method of forced oscillation source based on SPWVD image and deep transfer learning ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 17 ）： 78 - 87 .

HONG K X ， JIN M ， HUANG H . Transformer winding fault diagnosis using vibration image and deep learning ［J］. IEEE Transactions on Power Delivery ， 2021 ， 36 （ 2 ）： 676 - 685 .

赵海祺，卢开诚，董树锋，等 . 考虑通信状态变化的直流微电网分布式事件驱动优化调度［J］. 电力系统自动化， 2023 ， 47 （ 20 ）： 33 - 41 .

ZHAO Haiqi ， LU Kaicheng ， DONG Shufeng ， et al . Distributed event-triggered optimal scheduling for DC microgrids considering communication status change ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 20 ）： 33 - 41 .

张淑清，杜灵韵，王册浩，等 . 基于格拉姆角场与改进CNN-ResNet的风电功率预测方法［J］. 电网技术， 2023 ， 47 （ 4 ）： 1540 - 1547 .

ZHANG Shuqing ， DU Lingyun ， WANG Cehao ， et al . Wind power forecasting method based on GAF and improved CNN-ResNet ［J］. Power System Technology ， 2023 ， 47 （ 4 ）： 1540 - 1547 .

姚建国，余涛，杨胜春，等 . 提升电网调度中人工智能可用性的混合增强智能知识演化技术［J］. 电力系统自动化， 2022 ， 46 （ 20 ）： 1 - 12 .

YAO Jianguo ， YU Tao ， YANG Shengchun ， et al . Knowledge evolution technology based on hybrid-augmented intelligence for improving practicability of artificial intelligence in power grid dispatch ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 20 ）： 1 - 12 .

顾雪平，刘彤，李少岩，等 . 用于未来态预测的电网运行断面时空相似性挖掘［J］. 电工技术学报， 2022 ， 37 （ 23 ）： 6145 - 6156 .

GU Xueping ， LIU Tong ， LI Shaoyan ， et al . Temporal and spatial similarity mining of power grid running section for future state prediction ［J］. Transactions of China Electrotechnical Society ， 2022 ， 37 （ 23 ）： 6145 - 6156 .

HOU Q C ， DU E S ， ZHANG N ， et al . Impact of high renewable penetration on the power system operation mode： a data-driven approach ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 1 ）： 731 - 741 .

鲍光海，黄逸欣 . 基于ResNeXt网络和迁移学习的非侵入式负荷监测［J］. 电力系统自动化， 2023 ， 47 （ 13 ）： 110 - 120 .

BAO Guanghai ， HUANG Yixin . Non-intrusive load monitoring based on ResNeXt network and transfer learning ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 13 ）： 110 - 120 .

任冲，牛拴保，柯贤波，等 . 新能源接入电网的断面传输方式聚类分析［J］. 电力系统自动化， 2022 ， 46 （ 1 ）： 69 - 75 .

REN Chong ， NIU Shuanbao ， KE Xianbo ， et al . Clustering analysis of transmission section modes for power grid with renewable energy ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 1 ）： 69 - 75 .

郭方洪，刘师硕，吴祥，等 . 基于联邦学习的含不平衡样本数据电力变压器故障诊断［J］. 电力系统自动化， 2023 ， 47 （ 10 ）： 145 - 152 .

GUO Fanghong ， LIU Shishuo ， WU Xiang ， et al . Federated learning based fault diagnosis of power transformer with unbalanced sample data ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 10 ）： 145 - 152 .

KIM H ， JUNG W K ， PARK Y C ， et al . Broken stitch detection method for sewing operation using CNN feature map and image-processing techniques ［J］. Expert Systems with Applications ， 2022 ， 188 ： 116014 .

HUI L ， CHENG M ， XIE J ， et al . Efficient 3D point cloud feature learning for large-scale place recognition ［J］. IEEE Transactions on Image Process ， 2022 ， 31 ： 1258 - 1270 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Transient Frequency Safety Assessment Based on Independent Spatial-temporal Feature Extraction and Grouped Enhancement

Marginal Carbon Emission Factors in Multiple Time Periods and Analysis of Their Uncertainties

Review on Technologies and Applications of Numerical Weather Prediction for New Power System

Related Author

WANG Delin

TIAN Hongxun

LUO Zhiqiang

ZOU Peng

WAN Jun

RAN Qingyue

YANG Zhifang

YANG Wenxian

Related Institution

State Grid Corporation of China

State Grid Shanxi Electric Power Company

Research Institute for New Power System Markets of Shanxi

State Key Laboratory of Power Transmission Equipment Technology (Chongqing University)

National Joint Engineering Laboratory of Power Grid with Electric Vehicles (Shandong University)

⁰