样本不平衡情况下的电力系统暂态稳定集成评估方法

李嘉敏; 杨红英; 闫莉萍; 刘道伟; 李宗翰; 夏元清; 赵岩

doi:10.7500/AEPS20200309001

您当前的位置：

首页 >

文章列表页 >

样本不平衡情况下的电力系统暂态稳定集成评估方法

学术研究 | 更新时间：2025-06-16

- 样本不平衡情况下的电力系统暂态稳定集成评估方法
- Integrated Assessment Method for Transient Stability of Power System Under Sample Imbalance
- 电力系统自动化-方正平台 2021年45卷第10期页码：34-41
- 作者机构：
  
  1.北京理工大学自动化学院，北京市100081
  2.中国电力科学研究院有限公司，北京市100192
  3.国网山东省电力公司电力科学研究院，山东省济南市 250003
- 作者简介：
  
  李嘉敏(1997—)，女，硕士，主要研究方向：电力系统稳定性分析、人工智能在电力系统的应用。E-mail：1443904368@qq.com
  杨红英(1980—)，女，通信作者，博士，高级工程师，主要研究方向：大电网在线稳定分析、新能源功率预测、电力大数据。E-mail：yanghhyy02@163.com
  闫莉萍(1979—)，女，博士，副教授，博士生导师，主要研究方向：多传感器数据融合、故障诊断。E-mail：ylp@bit.edu.cn
- 基金信息：
  
  国家电网公司总部科技项目(5100-201955448A-0-0-00)
- DOI：10.7500/AEPS20200309001
  中图分类号：
- 收稿日期：2020-03-09，
  
  修回日期：2021-01-13，
  
  网络出版日期：2021-03-09，
  
  纸质出版日期：2021-05-25
- 稿件说明：
移动端阅览
李嘉敏,杨红英,闫莉萍等.样本不平衡情况下的电力系统暂态稳定集成评估方法[J].电力系统自动化,2021,45(10):34-41.

LI Jiamin,YANG Hongying,YAN Liping,et al.Integrated Assessment Method for Transient Stability of Power System Under Sample Imbalance[J].Automation of Electric Power Systems,2021,45(10):34-41.
李嘉敏,杨红英,闫莉萍等.样本不平衡情况下的电力系统暂态稳定集成评估方法[J].电力系统自动化,2021,45(10):34-41. DOI： 10.7500/AEPS20200309001.

LI Jiamin,YANG Hongying,YAN Liping,et al.Integrated Assessment Method for Transient Stability of Power System Under Sample Imbalance[J].Automation of Electric Power Systems,2021,45(10):34-41. DOI： 10.7500/AEPS20200309001.

摘要

为了在电力系统发生暂态故障后能够快速、准确地对系统稳定性进行判断，并解决样本不平衡对模型造成的倾向性问题，提出了一种基于改进损失函数的电力系统暂态稳定集成评估方法。首先，基于故障清除后的短时量测数据，设计了一种结合1维、2维单通道和2维多通道卷积神经网络的集成模型，实现了端对端的抽象特征提取和暂态稳定分类。其次，改进了模型训练过程中的损失函数，加强了对失稳样本的拟合程度，增加了错分样本的权重，从而提高了全局准确率，并减少了失稳样本漏报现象的发生。此外，文中还分析了集成模型输出的判定阈值对失稳样本召回率的影响。最后，IEEE 39节点系统和IEEE 145节点系统的仿真结果验证了所提方法的有效性。

Abstract

In order to quickly and accurately evaluate the stability of the power system after a transient fault occurs in the power system

and to solve the bias problem of the model caused by sample imbalance

an integrated transient stability assessment method for power systems based on the improved loss function is proposed. Firstly

based on the short-term measurement data after the fault clearing

a new integrated model that combines one-dimensional

two-dimensional single-channel and two-dimensional multi-channel convolutional neural networks is designed to realize the end-to-end abstract feature extraction and transient stability classification. Secondly

the loss function in the model training process is improved to enhance the fitting degree of unstable samples for increasing the weights of the misclassification samples. Thus

the global accuracy is improved

and the missing alarm rate of unstable samples is reduced. Moreover

the influence of the output threshold of the integrated model on the recall rate of instable samples is analyzed in this paper. Finally

the simulation results of IEEE 39-bus system and IEEE 145-bus system verify the effectiveness of the proposed algorithm.

关键词

Keywords

references

张文亮，刘壮志，王明俊，等 . 智能电网的研究进展及发展趋势［J］. 电网技术， 2009 ， 33 （ 13 ）： 1 - 11 .

ZHANG Wenliang ， LIU Zhuangzhi ， WANG Mingjun ， et al . Research status and development trend of smart grid ［J］. Power System Technology ， 2009 ， 33 （ 13 ）： 1 - 11 .

BIE Z H ， LIN Y L ， LI G F ， et al . Battling the extreme： a study on the power system resilience ［J］. Proceedings of the IEEE ， 2017 ， 105 （ 7 ）： 1253 - 1266 .

刘道伟，张东霞，孙华东，等 . 时空大数据环境下的大电网稳定态势量化评估与自适应防控体系构建［J］. 中国电机工程学报， 2015 ， 35 （ 2 ）： 268 - 276 .

LIU Daowei ， ZHANG Dongxia ， SUN Huadong ， et al . Construction of stability situation quantitative assessment and adaptive control system for large-scale power grid in the spatio-temporal big data environment ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 2 ）： 268 - 276 .

朱蜀，刘开培，秦亮，等 . 电力电子化电力系统暂态稳定性分析综述［J］. 中国电机工程学报， 2017 ， 37 （ 14 ）： 3948 - 3962 .

ZHU Shu ， LIU Kaipei ， QIN Liang ， et al . Analysis of transient stability of power electronics dominated power system： an overview ［J］. Proceedings of the CSEE ， 2017 ， 37 （ 14 ）： 3948 - 3962 .

汤奕，崔晗，李峰，等 . 人工智能在电力系统暂态问题中的应用综述［J］. 中国电机工程学报， 2019 ， 39 （ 1 ）： 2 - 13 .

TANG Yi ， CUI Han ， LI Feng ， et al . Review on artificial intelligence in power system transient stability analysis ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 1 ）： 2 - 13 .

LAN G ， YOSHUA B ， AARON C ． Deep learning ［M］． Beijing ： Posts and Telecom Press ， 2017 ： 201 - 253 ．

LECUN Y ， BENGIO Y ， HINTON G . Deep learning ［J］. Nature ， 2015 ， 521 （ 7553 ）： 436 - 444 .

周念成，廖建权，王强钢，等 . 深度学习在智能电网中的应用现状分析与展望［J］. 电力系统自动化， 2019 ， 43 （ 4 ）： 180 - 191 .

ZHOU Niancheng ， LIAO Jianquan ， WANG Qianggang ， et al . Analysis and prospect of deep learning application in smart grid ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 4 ）： 180 - 191 .

朱乔木，陈金富，李弘毅，等 . 基于堆叠自动编码器的电力系统暂态稳定评估［J］. 中国电机工程学报， 2018 ， 38 （ 10 ）： 2937 - 2946 .

ZHU Qiaomu ， CHEN Jinfu ， LI Hongyi ， et al . Transient stability assessment based on stacked autoencoder ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 10 ）： 2937 - 2946 .

王怀远，陈启凡 . 基于代价敏感堆叠变分自动编码器的暂态稳定评估方法［J］. 中国电机工程学报， 2020 ， 40 （ 7 ）： 2213 - 2220 .

WANG Huaiyuan ， CHEN Qifan . A transient stability assessment method based on cost-sensitive stacked variational auto-encoder ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 7 ）： 2213 - 2220 .

尹雪燕，闫炯程，刘玉田，等 . 基于深度学习的暂态稳定评估与严重度分级［J］. 电力自动化设备， 2018 ， 38 （ 5 ）： 64 - 69 .

YIN Xueyan ， YAN Jiongcheng ， LIU Yutian ， et al . Deep learning based transient stability assessment and severity grading ［J］. Electric Power Automation Equipment ， 2018 ， 38 （ 5 ）： 64 - 69 .

朱乔木，党杰，陈金富，等 . 基于深度置信网络的电力系统暂态稳定评估方法［J］. 中国电机工程学报， 2018 ， 38 （ 3 ）： 735 - 743 .

ZHU Qiaomu ， DANG Jie ， CHEN Jinfu ， et al . A method for power system transient stability assessment based on deep belief networks ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 3 ）： 735 - 743 .

ZHOU Y Z ， GUO Q L ， SUN H B ， et al . A novel data-driven approach for transient stability prediction of power systems considering the operational variability ［J］. International Journal of Electrical Power & Energy Systems ， 2019 ， 107 ： 379 - 394 .

安军，艾士琪，刘道伟，等 . 基于短时受扰轨迹的电力系统暂态稳定评估方法［J］. 电网技术， 2019 ， 43 （ 5 ）： 1690 - 1697 .

AN Jun ， AI Shiqi ， LIU Daowei ， et al . A power system transient stability assessment method based on short-time disturbed trajectories ［J］. Power System Technology ， 2019 ， 43 （ 5 ）： 1690 - 1697 .

高昆仑，杨帅，刘思言，等 . 基于一维卷积神经网络的电力系统暂态稳定评估［J］. 电力系统自动化， 2019 ， 43 （ 12 ）： 18 - 26 .

GAO Kunlun ， YANG Shuai ， LIU Siyan ， et al . Transient stability assessment for power system based on one-dimensional convolutional neural network ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 12 ）： 18 - 26 .

SANER C B ， KESICI M ， MAHDI M ， et al . Wide area measurement-based transient stability prediction using long short-term memory networks ［C］// 2019 7th International Istanbul Smart Grids and Cities Congress and Fair （ICSG）， April 25 - 26 ， 2019 ， Istanbul， Turkey： 159 - 163 .

孙黎霞，白景涛，周照宇，等 . 基于双向长短期记忆网络的电力系统暂态稳定评估［J］. 电力系统自动化， 2020 ， 44 （ 13 ）： 64 - 72 .

SUN Lixia ， BAI Jingtao ， ZHOU Zhaoyu ， et al . Transient stability assessment of power system based on bi-directional long-short-term memory network ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 13 ）： 64 - 72 .

李宝琴，吴俊勇，邵美阳，等 . 基于集成深度置信网络的精细化电力系统暂态稳定评估［J］. 电力系统自动化， 2020 ， 44 （ 6 ）： 17 - 26 .

LI Baoqin ， WU Junyong ， SHAO Meiyang ， et al . Refined transient stability evaluation for power system based on ensemble deep belief network ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 6 ）： 17 - 26 .

邵美阳，吴俊勇，李宝琴，等 . 基于两阶段集成深度置信网络的电力系统暂态稳定评估［J］. 电网技术， 2020 ， 44 （ 5 ）： 1776 - 1787 .

SHAO Meiyang ， WU Junyong ， LI Baoqin ， et al . Transient stability assessment of power system based on two-stage ensemble deep belief network ［J］. Power System Technology ， 2020 ， 44 （ 5 ）： 1776 - 1787 .

谭本东，杨军，赖秋频，等 . 基于改进CGAN的电力系统暂态稳定评估样本增强方法［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 149 - 157 .

TAN Bendong ， YANG Jun ， LAI Qiupin ， et al . Data augment method for power system transient stability assessment based on improved conditional generative adversarial network ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 149 - 157 .

ZHOU Y Z ， ZHAO W L ， GUO Q L ， et al . Transient stability assessment of power systems using cost-sensitive deep learning approach ［C］// 2018 2nd IEEE Conference on Energy Internet and Energy System Integration （EI2 ）， October 20 - 22 ， 2018 ， Beijing， China： 1 - 6 .

LIU W Y ， WEN Y D ， YU Z D ， et al . Large-margin softmax loss for convolutional neural networks ［C］// Proceedings of the 33rd International Conference on Machine Learning ， June 19 - 24 ， 2016 ， New York， USA： 507 - 516 .

LIU W Y ， WEN Y D ， YU Z D ， et al . Sphereface： deep hypersphere embedding for face recognition ［C］// 2017 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， July 21 - 26 ， 2017 ， Honolulu， USA： 6738 - 6746 .

WEN Y D ， ZHANG K P ， LI Z F ， et al . A discriminative feature learning approach for deep face recognition ［C］// 2016 European Conference on Computer Vision ， October 8 - 16 ， 2016 ， Amsterdam， The Netherlands： 499 - 515 .

DENG J K ， GUO J ， XUE N N ， et al . Arcface： additive angular margin loss for deep face recognition ［C］// 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， June 15 - 20 ， 2019 ， Long Beach， USA： 4685 - 4694 .

LIN T Y ， GOYAL P ， GIRSHICK R ， et al . Focal loss for dense object detection ［C］// 2017 IEEE International Conference on Computer Vision （ICCV）， October 22 - 29 ， 2017 ， Venice， Italy： 2999 - 3007 .

SRIVASTAVA N ， HINTON G ， KRIZHEVSKY A ， et al . Dropout： a simple way to prevent neural networks from overfitting ［J］. Journal of Machine Learning Research ， 2014 ， 15 （ 1 ）： 1929 - 1958 .

MATEN L ， HINTON G . Visualizing data using t-SNE ［J］. The Journal of Machine Learning Research ， 2008 ， 1 （ 9 ）： 2579 - 2605 ．

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于去噪扩散概率模型不平衡样本增强的暂态稳定评估

基于改进域对抗迁移学习的电力系统暂态稳定自适应评估

计及样本不平衡与重叠的暂态稳定评估方法

基于集成深度置信网络的精细化电力系统暂态稳定评估