基于卷积神经网络的暂态电压稳定评估及风险量化

陈达; 朱林; 张健; 吴子龙; 徐敏; 龙霏

doi:10.7500/AEPS20200615002

您当前的位置：

首页 >

文章列表页 >

基于卷积神经网络的暂态电压稳定评估及风险量化

学术研究 | 更新时间：2025-06-16

- 基于卷积神经网络的暂态电压稳定评估及风险量化
- Transient Voltage Stability Assessment and Risk Quantification Based on Convolutional Neural Network
- 电力系统自动化 2021年45卷第14期页码：65-71
- 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检修分公司，江苏省南京市 211102
  3.南方电网科学研究院有限责任公司，广东省广州市 510663
  4.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：
  
  陈达(1994—)，男，硕士，主要研究方向：电力系统稳定与控制、直流输电技术。E-mail：scut_ep_chenda@163.com
  朱林(1979—)，男，通信作者，博士，副教授，主要研究方向：电力系统稳定与控制、直流输电技术以及新能源并网。E-mail：zhul@scut.edu.cn
  张健(1995—)，男，硕士研究生，主要研究方向：电力系统稳定与控制。E-mail：519765449@qq.com
- 基金信息：
  
  国家电网公司智能电网联合基金资助项目(U1766213);中国南方电网有限责任公司科技项目(GDKJXM20198236)
- DOI：10.7500/AEPS20200615002
  中图分类号：
- 收稿日期：2020-06-15，
  
  修回日期：2021-01-15，
  
  网络出版日期：2021-03-24，
  
  纸质出版日期：2021-07-25
- 稿件说明：
移动端阅览
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.
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. DOI： 10.7500/AEPS20200615002.

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. DOI： 10.7500/AEPS20200615002.

摘要

提出了一种暂态电压稳定性评估及其风险量化方法。首先，探讨卷积神经网络（CNN）与暂态电压稳定评估的关联性和匹配性，建立了基于CNN的暂态电压稳定评估模型。其次，在可信度框架下引入四元评估结构，可有效解决CNN在稳定边界识别上对时域仿真依赖的难题。然后，通过评估结果获取暂态电压稳定裕度，并将其与可信度相结合来构建风险函数，从而实现对暂态电压稳定的风险量化分级。实际电网算例分析结果验证了该方法的有效性。

Abstract

A method is proposed for assessing transient voltage stability and quantifying its risk. Firstly

the correlation and matching between the convolutional neural network (CNN) and transient voltage stability assessment are discussed and the CNN based assessment model for the transient voltage stability is built. Secondly

the quaternary assessment structure is introduced in the credibility framework

which can effectively solve the dependence of CNN on the time-domain simulation in the stable boundary recognition. Then

the transient voltage stability margin is obtained through the assessment results. Combined with the credibility

a risk function is constructed to realize the quantitative classification of the risk of transient voltage stability. Validity of the method is verified by the analysis results of an actual power grid example.

关键词

Keywords

references

孔英会，王之涵，车辚辚 . 基于卷积神经网络（CNN）和CUDA加速的实时视频人脸识别［J］. 科学技术与工程， 2016 ， 16 （ 35 ）： 96 - 100 .

KONG Yinghui ， WANG Zhihan ， CHE Linlin . Real-time face recognition in videos based on convolutional neural networks （CNN） and CUDA ［J］. Science Technology and Engineering ， 2016 ， 16 （ 35 ）： 96 - 100 .

LU Liqiong ， YI Yaohua ， HUANG Faliang ， et al . Integrating local CNN and global CNN for script identification in natural scene images ［J］. IEEE Access ， 2019 ， 7 ： 52669 - 52679 .

QIAN Yanmin ， BI Mengxiao ， TAN Tian ， et al . Very deep convolutional neural networks for noise robust speech recognition ［J］. IEEE Transactions on Audio ， Speech， and Language Processing， 2016 ， 24 （ 12 ）： 2263 - 2276 .

ZHOU Z ， WU Q M J ， WAN S ， et al . Integrating SIFT and CNN feature matching for partial-duplicate image detection ［J］. IEEE Transactions on Emerging Topics in Computational Intelligence ， 2020 ， 4 （ 5 ）： 593 - 604 .

陆继翔，张琪培，杨志宏，等 . 基于CNN-LSTM混合神经网络模型的短期负荷预测方法［J］. 电力系统自动化， 2019 ， 43 （ 8 ）： 131 - 137 .

LU Jixiang ， ZHANG Qipei ， YANG Zhihong ， et al . Short-term load forecasting method based on CNN-LSTM hybrid neural network model ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 8 ）： 131 - 137 .

石鑫，朱永利，宁晓光，等 . 基于深度自编码网络的电力变压器故障诊断［J］. 电力自动化设备， 2016 ， 36 （ 5 ）： 122 - 126 .

SHI Xin ， ZHU Yongli ， NING Xiaoguang ， et al . Transformer fault diagnosis based on deep auto-encoder network ［J］. Electric Power Automation Equipment ， 2016 ， 36 （ 5 ）： 122 - 126 .

曾全昊，王丰华，郑一鸣，等 . 基于卷积神经网络的变压器有载分接开关故障识别［J］. 电力系统自动化， 2020 ， 44 （ 11 ）： 144 - 151 .

ZENG Quanhao ， WANG Fenghua ， ZHENG Yiming ， et al . Fault recognition of on-load tap-changer in power transformer based on convolutional neural network ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 11 ）： 144 - 151 .

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 .

吴俊勇，张若愚，季佳伸，等 . 计及漏判/误判代价的两阶段电力系统暂态稳定预测方法［J］. 电力系统自动化， 2020 ， 44 （ 24 ）： 44 - 56 .

WU Junyong ， ZHANG Ruoyu ， JI Jiashen ， et al . Two-stage transient stability prediction method of power system considering cost of misdetection and false alarm ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 24 ）： 44 - 56 .

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 .

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 .

HE M ， VITTAL V ， ZHANG J . Online dynamic security assessment with missing PMU measurements： a data mining approach ［J］. IEEE Transactions on Power Systems ， 2013 ， 28 （ 2 ）： 1969 - 1977 .

尹雪燕 . 基于深度学习的交直流混联系统暂态稳定评估研究［D］. 济南：山东大学， 2019 .

YIN Xueyan . Study on transient stability assessment of AC/DC hybrid system based on deep learning ［D］. Jinan ： Shandong University ， 2019 .

徐泰山，丁茂生，彭慧敏，等 . 交直流电力系统暂态安全稳定在线紧急控制策略并行算法［J］. 电力系统自动化， 2015 ， 39 （ 10 ）： 174 - 180 .

XU Taishan ， DING Maosheng ， PENG Huimin ， et al . A parallel algorithm for determining an online emergency control strategy of transient security and stability for AC-DC power systems ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 10 ）： 174 - 180 .

周艳真，吴俊勇，冀鲁豫，等 . 基于两阶段支持向量机的电力系统暂态稳定预测及预防控制［J］. 中国电机工程学报， 2018 ， 38 （ 1 ）： 137 - 147 .

ZHOU Yanzhen ， WU Junyong ， JI Luyu ， et al . Two-stage support vector machines for transient stability prediction and preventive control of power systems ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 1 ）： 137 - 147 .

中国南方电网有限责任公司 . 南方电网安全稳定计算分析导则： Q/CSG 11004—2009 ［S］. 2009 .

China Southern Power Grid Co.， Ltd . Southern power grid security and stability calculation and analysis guidelines ： Q/CSG 11004—2009 ［S］. 2009 .

徐泰山，杜延菱，鲍颜红，等 . 在线暂态安全稳定评估的分类滚动故障筛选方法［J］. 电力系统自动化， 2018 ， 42 （ 13 ）： 182 - 188 .

XU Taishan ， DU Yanling ， BAO Yanhong ， et al . A classification rolling contingency screening method for on-line transient security and stability assessment ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 13 ）： 182 - 188 .

薛安成，周健，刘瑞煌，等 . 采用多二元表判据的实用暂态电压稳定裕度指标研究［J］. 中国电机工程学报， 2018 ， 38 （ 14 ）： 4117 - 4125 .

XUE Ancheng ， ZHOU Jian ， LIU Ruihuang ， et al . A new practical transient voltage stability margin index based on multiple-two-element notation criterion ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 14 ）： 4117 - 4125 .

张国华，段满银，张建华，等 . 基于证据理论和效用理论的电力系统风险评估［J］. 电力系统自动化， 2009 ， 33 （ 23 ）： 1 - 4 .

ZHANG Guohua ， DUAN Manyin ， ZHANG Jianhua ， et al . Power system risk assessment based on the evidence theory and utility theory ［J］. Automation of Electric Power Systems ， 2009 ， 33 （ 23 ）： 1 - 4 .

刘柱，华威，陈睿，等 . 电网运行风险评估的综述［J］. 机电工程技术， 2014 ， 43 （ 12 ）： 97 - 102 .

LIU Zhu ， HUA Wei ， CHEN Rui ， et al . An overview of risk assessment of power grid ［J］. Mechanical & Electrical Engineering Technology ， 2014 ， 43 （ 12 ）： 97 - 102 .

中国南方电网有限责任公司 . 南方电网运行安全风险量化评估技术规范： Q/CSG 11104002—2012 ［S］. 2012 .

China Southern Power Grid Co.， Ltd . Guide on operational risk evaluation of China Southern Power Grid ： Q/CSG 11104002—2012 ［S］. 2012 .

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 . Research on dynamic equivalent scheme of main grid of China Southern Power Grid considering feature constraints ［J］. Electric Power Automation Equipment ， 2019 ， 39 （ 9 ）： 206 - 212 .

朱乔木 . 基于深度学习的电力系统暂态稳定评估及风电功率预测方法研究［D］. 武汉：华中科技大学， 2019 .

ZHU Qiaomu . Research on methods for power system transient stability assessment and wind power prediction based on deep learning ［D］. Wuhan ： Huazhong University of Science and Technology ， 2019 .

叶圣永，王晓茹，刘志刚，等 . 基于受扰严重机组特征及机器学习方法的电力系统暂态稳定评估［J］. 中国电机工程学报， 2011 ， 31 （ 1 ）： 46 - 51 .

YE Shengyong ， WANG Xiaoru ， LIU Zhigang ， et al . Power system transient stability assessment based on severely disturbed generator attributes and machine learning method ［J］. Proceedings of the CSEE ， 2011 ， 31 （ 1 ）： 46 - 51 .

ALIMI O A ， OUAHADA K ， ABU-MAHFOUZ A M . A review of machine learning approaches to power system security and stability ［J］. IEEE Access ， 2020 ， 8 ： 113512 - 113531 .

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

高渗透率光伏馈入受端电网暂态电压稳定量化评估

基于Lissajous轨迹的电能质量扰动边-云协同高效辨识框架