基于改进生成对抗网络的谐波状态估计方法

马永硕; 齐林海; 肖湘宁; 王红

doi:10.7500/AEPS20201024001

您当前的位置：

首页 >

文章列表页 >

基于改进生成对抗网络的谐波状态估计方法

面向现代电力系统的数据驱动方法 | 更新时间：2025-06-16

- 基于改进生成对抗网络的谐波状态估计方法
- Estimation Method of Harmonic State Based on Improved Generative Adversarial Network
- 电力系统自动化 2022年46卷第1期页码：139-145
- 作者机构：
  
  1.华北电力大学控制与计算机工程学院，北京市 102206
  2.华北电力大学电气与电子工程学院，北京市 102206
- 作者简介：
  
  马永硕(1996—)，男，硕士研究生，主要研究方向：深度学习应用、电能质量信息处理。E-mail：844063587@qq.com
  齐林海(1964—)，男，通信作者，副教授，主要研究方向：电能质量智能信息处理、智能电网大数据应用。E-mail：qilinhai@ncepu.edu.cn
  肖湘宁(1953—)，男，教授，博士生导师，主要研究方向：新能源电网中的电力电子技术、电力系统电能质量。E-mail：xxn@ncepu.edu.cn
- 基金信息：
- DOI：10.7500/AEPS20201024001
  中图分类号：
- 收稿日期：2020-10-24，
  
  修回日期：2021-01-20，
  
  网络出版日期：2021-04-23，
  
  纸质出版日期：2022-01-10
- 稿件说明：
移动端阅览
马永硕,齐林海,肖湘宁等.基于改进生成对抗网络的谐波状态估计方法[J].电力系统自动化,2022,46(1):139-145.

MA Yongshuo,QI Linhai,XIAO Xiangning,et al.Estimation Method of Harmonic State Based on Improved Generative Adversarial Network[J].Automation of Electric Power Systems,2022,46(1):139-145.
马永硕,齐林海,肖湘宁等.基于改进生成对抗网络的谐波状态估计方法[J].电力系统自动化,2022,46(1):139-145. DOI： 10.7500/AEPS20201024001.

MA Yongshuo,QI Linhai,XIAO Xiangning,et al.Estimation Method of Harmonic State Based on Improved Generative Adversarial Network[J].Automation of Electric Power Systems,2022,46(1):139-145. DOI： 10.7500/AEPS20201024001.

摘要

传统的基于最小二乘法的谐波状态估计受到量测装置少、精确的谐波阻抗获取难、网络拓扑结构复杂以及电网运行方式变化等因素的限制，造成量测方程欠定、系统非全局可观以及节点间耦合关系难以准确提取等问题。文中提出了一种基于改进生成对抗网络的谐波状态估计方法。该方法基于pix2pix谐波状态估计网络拟合监测节点与目标节点间的耦合关系，利用采集的历史谐波数据，对模型进行批量训练，通过训练之后的生成网络估算目标节点谐波电流、谐波电压幅值，实现基于数据驱动的谐波状态估计。在加噪环境下对模型进行测试，仿真结果验证了所提方法的有效性。

Abstract

The traditional harmonic state estimation based on the least-square method is limited by few measuring devices

difficulty in obtaining accurate harmonic impedance

complex network topology and variation of grid operation mode

which results in the problems such as underdetermined measurement equations

non-global observation of the power system and difficulty in accurately extracting coupling relationships between buses. This paper proposes a harmonic state estimation method based on the improved generative adversarial network. The method is based on the pix2pix harmonic state estimation network to fit the coupling relationship between the monitored buses and the target buses. And the collected historical harmonic data is used to batch train the model. The harmonic current and harmonic voltage amplitude of the target buses are estimated by the generated network after training to achieve data-driven harmonic state estimation. The model is tested in an environment with noise

and the simulation results verify the effectiveness of the proposed method.

关键词

Keywords

references

王艳，臧天磊，符玲，等 . 基于谐波源特征提取的电力系统动态谐波状态估计自适应方法［J］. 电网技术， 2018 ， 42 （ 8 ）： 2612 - 2619 .

WANG Yan ， ZANG Tianlei ， FU Ling ， et al . Adaptive method for dynamic harmonic state estimation in power system based on feature extraction of harmonic source ［J］. Power System Technology ， 2018 ， 42 （ 8 ）： 2612 - 2619 .

王鹏，陈蕾，陈艳波，等 . 一种适应于配电网的交叉逼近状态估计方法［J］. 电力自动化设备， 2019 ， 39 （ 12 ）： 102 - 107 .

WANG Peng ， CHEN Lei ， CHEN Yanbo ， et al . Cross approximation state estimation method for distribution network ［J］. Electric Power Automation Equipment ， 2019 ， 39 （ 12 ）： 102 - 107 .

张旭，徐永海，秦本双，等 . 基于正交匹配追踪算法的谐波源定位方法［J/OL］. 电测与仪表［ 2020-10-24 ］. https：//kns.cnki.net/kcms/detail/23.1202.TH.20200724.1631.020.html https://kns.cnki.net/kcms/detail/23.1202.TH.20200724.1631.020.html .

ZHANG Xu ， XU Yonghai ， QIN Benshuang ， et al . Harmonic source localization method based on orthogonal matching pursuit algorithm ［J/OL］. Electrical Measurement & Instrumentation ［ 2020-10-24 ］. https：//kns.cnki.net/kcms/detail/23.1202.TH.20200724.1631.020.html https://kns.cnki.net/kcms/detail/23.1202.TH.20200724.1631.020.html .

俞明，吕干云，魏鹏，等 . 电力系统谐波状态估计算法综述［J］. 电工电气， 2019 （ 9 ）： 1 - 6 .

YU Ming ， LYU Ganyun ， WEI Peng ， et al . Review on harmonic state estimation algorithm of power system ［J］. Electrotechnics Electric ， 2019 （ 9 ）： 1 - 6 .

孟雨田，严正，徐潇源，等 . 配电网状态估计的全局灵敏度分析及应用［J］. 电力系统自动化， 2020 ， 44 （ 2 ）： 114 - 122 .

MENG Yutian ， YAN Zheng ， XU Xiaoyuan ， et al . Global sensitivity analysis on state estimation of distribution network and its application ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 2 ）： 114 - 122 .

吴笃贵，徐政 . 基于相量量测的电力系统谐波状态估计（Ⅰ）—理论、模型与求解算法［J］. 电工技术学报， 2004 ， 19 （ 2 ）： 64 - 68，88 .

WU Dugui ， XU Zheng . Power system harmonic state estimation based on phasor measurements（Ⅰ）—theory， model and solution algorithm ［J］. Transactions of China Electrotechnical Society ， 2004 ， 19 （ 2 ）： 64 - 68 .

杨源，林圣，臧天磊，等 . 基于改进稀疏表示法的谐波源定位［J］. 电网技术， 2013 ， 37 （ 5 ）： 1279 - 1284 .

YANG Yuan ， LIN Sheng ， ZANG Tianlei ， et al . Improved sparse representation—based location of harmonic sources in power system ［J］. Power System Technology ， 2013 ， 37 （ 5 ）： 1279 - 1284 .

LIAO H W . Power system harmonic state estimation and observability analysis via sparsity maximization ［J］. IEEE Transactions on Power Systems ， 2007 ， 22 （ 1 ）： 15 - 23 .

韩斐，杨洪耕，王佳兴，等 . 变分贝叶斯独立分量分析在谐波状态估计中的应用［J］. 电力系统及其自动化学报， 2016 ， 28 （ 4 ）： 68 - 72 .

HAN Fei ， YANG Honggeng ， WANG Jiaxing ， et al . Harmonic state estimation based on variational Bayesian independent component analysis ［J］. Proceedings of the CSU-EPSA ， 2016 ， 28 （ 4 ）： 68 - 72 .

刘全，翟建伟，章宗长，等 . 深度强化学习综述［J］. 计算机学报， 2018 ， 41 （ 1 ）： 1 - 27 .

LIU Quan ， ZHAI Jianwei ， ZHANG Zongchang ， et al . A survey on deep reinforcement learning ［J］. Chinese Journal of Computers ， 2018 ， 41 （ 1 ）： 1 - 27 .

王琦，李峰，汤奕，等 . 基于物理—数据融合模型的电网暂态频率特征在线预测方法［J］. 电力系统自动化， 2018 ， 42 （ 19 ）： 1 - 9 .

WANG Qi ， LI Feng ， TANG Yi ， et al . On-line prediction method of transient frequency characteristics for power grid based on physical-statistical model ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 19 ）： 1 - 9 .

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］. 中国电工技术学报， 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 .

陈伟宏，安吉尧，李仁发，等 . 深度学习认知计算综述［J］. 自动化学报， 2017 ， 43 （ 11 ）： 1886 - 1897 .

CHEN Weihong ， AN Jiyao ， LI Renfa ， et al . Review on deep-learning—based cognitive computing ［J］. Acta Automatica Sinica ， 2017 ， 43 （ 11 ）： 1886 - 1897 .

GOODFELLOW I J ， POUGET-ABADIE J ， MIRZA M ， et al . Generative adversarial nets ［C］// Proceedings of the 27th International Conference on Neural Information Processing Systems ， December 8-13 ， 2014 ， Montreal， Canada .

ISOLA P ， ZHU J Y ， ZHOU T H ， et al . Image-to-image translation with conditional adversarial networks ［EB/OL］. ［ 2020-10-24 ］. https：//arxiv.org/abs/1611.07004 https://arxiv.org/abs/1611.07004 .

李新利，邹昌铭，杨国田，等 . SealGAN：基于生成式对抗网络的印章消除研究［J/OL］. 自动化学报［ 2020-10-24 ］. http：//kns.cnki.net/kcms/detail/11.2109.TP.20200330.0940.002.html http://kns.cnki.net/kcms/detail/11.2109.TP.20200330.0940.002.html .

LI Xinli ， ZOU Changming ， YANG Guotian ， et al . SealGAN：research on the seal elimination based on generative adversarial network ［J/OL］. Acta Automatica Sinica ［ 2020-10-24 ］. http：//kns.cnki.net/kcms/detail/11.2109.TP.20200330.0940.002.html http://kns.cnki.net/kcms/detail/11.2109.TP.20200330.0940.002.html .

林懿伦，戴星原，李力，等 . 人工智能研究的新前线：生成式对抗网络［J］. 自动化学报， 2018 ， 44 （ 5 ）： 775 - 792 .

LIN Yilun ， DAI Xingyuan ， LI Li ， et al . The new frontier of AI research： generative adversarial networks ［J］. Acta Automatica Sinica ， 2018 ， 44 （ 5 ）： 775 - 792 .

杨玉莲，齐林海，王红，等 . 基于生成对抗和双重语义感知的配电网量测数据缺失重构［J］. 电力系统自动化， 2020 ， 44 （ 18 ）： 46 - 56 .

YANG Yulian ， QI Linhai ， WANG Hong ， et al . Reconstruction of missing measurement data in distribution network based on generative adversarial network and double semantic perception ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 18 ）： 46 - 56 .

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

基于两阶段特征选择和格拉姆角场的配电网拓扑辨识方法

基于自动编码器的锂离子电池状态评估方法