基于双向门控循环单元的电力系统暂态稳定评估

杜一星; 胡志坚; 李犇; 陈锦鹏; 翁菖宏

doi:10.7500/AEPS20210118001

您当前的位置：

首页 >

文章列表页 >

基于双向门控循环单元的电力系统暂态稳定评估

学术研究 | 更新时间：2025-06-16

- 基于双向门控循环单元的电力系统暂态稳定评估
- Transient Stability Assessment of Power System Based on Bi-directional Gated Recurrent Unit
- 电力系统自动化 2021年45卷第20期页码：103-112
- 作者机构：
  
  武汉大学电气与自动化学院，湖北省武汉市 430072
- 作者简介：
  
  杜一星(1997—)，男，硕士研究生，主要研究方向：大数据和人工智能在电力系统中的应用。E-mail：Artemis@whu.edu.cn
  胡志坚(1969—)，男，通信作者，博士，教授，博士生导师，主要研究方向：电力系统稳定分析与控制、新能源与分布式发电等。E-mail：zhijian_hu@163.com
  李犇(1997—)，男，硕士研究生，主要研究方向：电力系统建模与仿真。E-mail：chnliben@163.com
- 基金信息：
  
  国家自然科学基金资助项目(51977156)
- DOI：10.7500/AEPS20210118001
  中图分类号：
- 收稿日期：2021-01-18，
  
  修回日期：2021-05-06，
  
  网络出版日期：2021-07-27，
  
  纸质出版日期：2021-10-25
- 稿件说明：
移动端阅览
杜一星,胡志坚,李犇等.基于双向门控循环单元的电力系统暂态稳定评估[J].电力系统自动化,2021,45(20):103-112.

DU Yixing,HU Zhijian,LI Ben,et al.Transient Stability Assessment of Power System Based on Bi-directional Gated Recurrent Unit[J].Automation of Electric Power Systems,2021,45(20):103-112.
杜一星,胡志坚,李犇等.基于双向门控循环单元的电力系统暂态稳定评估[J].电力系统自动化,2021,45(20):103-112. DOI： 10.7500/AEPS20210118001.

DU Yixing,HU Zhijian,LI Ben,et al.Transient Stability Assessment of Power System Based on Bi-directional Gated Recurrent Unit[J].Automation of Electric Power Systems,2021,45(20):103-112. DOI： 10.7500/AEPS20210118001.

摘要

常规的机器学习模型应用于电力系统暂态稳定评估时对时间序列的整体感知能力较弱，难以挖掘蕴藏在电气量响应轨迹中的动态信息，且对于临界样本预测结果的可靠性较低。针对上述问题，提出了一种基于双向门控循环单元(BiGRU)的2阶段暂态稳定评估方法。该方法以受扰后底层量测数据的动态轨迹作为输入，首先通过持续的动态评估筛选出可信样本，然后通过回归模型预测不确定样本和可信稳定样本的故障严重度。文中通过向损失函数中引入截断函数和权重系数对BiGRU分类器加以改进，强化了模型对困难样本和失稳样本的学习力度。在修改的新英格兰10机39节点系统上的实验结果表明，所提方法在显著减少对失稳样本漏判的同时，提升了对稳定样本的识别能力。

Abstract

The conventional machine learning models are weak in overall perception of time series when applied to power system transient stability assessment

so it is difficult to mine the dynamic information contained in the electrical response trajectory

and the reliability of critical sample prediction results is low. Focusing on the aforementioned problems

a two-stage transient stability assessment method based on the bi-directional gated recurrent unit (BiGRU) is proposed. The method takes the dynamic trajectories of the underlying measurement data after disturbance as inputs

first screens out credible samples through continuous dynamic assessment

and then predicts the fault severity of uncertain samples and credible stable samples through the regression model. BiGRU classifier is improved by introducing truncation function and weight coefficient into the loss function

which strengthens the study strength of the model for difficult samples and unstable samples. The experimental results on the modified New England 10-machie 39-bus system show that the proposed method not only significantly reduces the misjudgment of unstable samples

but also improves the recognition ability of stable samples.

关键词

Keywords

references

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 .

WANG H ， CHEN Q ， ZHANG B . Transient stability assessment combined model framework based on cost-sensitive method ［J］. IET Generation ， Transmission & Distribution， 2020 ， 14 （ 12 ）： 2256 - 2262 .

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 .

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 - 52 .

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 - 52 .

张若愚，吴俊勇，李宝琴，等 . 基于迁移学习的电力系统暂态稳定自适应预测［J］. 电网技术， 2020 ， 44 （ 6 ）： 2196 - 2205 .

ZHANG Ruoyu ， WU Junyong ， LI Baoqin ， et al . Self-adaptive power system transient stability prediction based on transfer learning ［J］. Power System Technology ， 2020 ， 44 （ 6 ）： 2196 - 2205 .

WANG H ， WANG Q ， CHEN Q . Transient stability assessment model with improved cost-sensitive method based on the fault severity ［J］. IET Generation ， Transmission & Distribution， 2020 ， 14 （ 20 ）： 4605 - 4611 .

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 .

李兵洋，肖健梅，王锡淮 . 融合邻域粗糙约简与深度森林的电力系统暂态稳定评估［J］. 电工技术学报， 2020 ， 35 （ 15 ）： 3245 - 3257 .

LI Bingyang ， XIAO Jianmei ， WANG Xihuai . Power system transient stability assessment based on hybrid neighborhood rough reduction and deep forest ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 15 ）： 3245 - 3257 .

李楠，李保罗，朱建华，等 . 计及样本不平衡与重叠的暂态稳定评估方法［J］. 电力系统自动化， 2020 ， 44 （ 21 ）： 64 - 71 .

LI Nan ， LI Baoluo ， ZHU Jianhua ， et al . Transient stability assessment method considering sample imbalance and overlap ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 21 ）： 64 - 71 .

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 .

张玮灵，胡伟，闵勇，等 . 稳定域概念下考虑保守性的电力系统在线暂态稳定评估方法［J］. 电网技术， 2016 ， 40 （ 4 ）： 992 - 998 .

ZHANG Weiling ， HU Wei ， MIN Yong ， et al . Conservative online transient stability assessment in power system based on concept of stability region ［J］. Power System Technology ， 2016 ， 40 （ 4 ）： 992 - 998 .

戴远航，陈磊，张玮灵，等 . 基于多支持向量机综合的电力系统暂态稳定评估［J］. 中国电机工程学报， 2016 ， 36 （ 5 ）： 1173 - 1180 .

DAI Yuanhang ， CHEN Lei ， ZHANG Weiling ， et al . Power system transient stability assessment based on multi-support vector machines ［J］. Proceedings of the CSEE ， 2016 ， 36 （ 5 ）： 1173 - 1180 .

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 .

刘新东，江全元，曹一家，等 . 基于风险理论和模糊推理的电力系统暂态安全风险评估［J］. 电力自动化设备， 2009 ， 29 （ 2 ）： 15 - 20 .

LIU Xindong ， JIANG Quanyuan ， CAO Yijia ， et al . Transient security risk assessment of power system based on risk theory and fuzzy reasoning ［J］. Electric Power Automation Equipment ， 2009 ， 29 （ 2 ）： 15 - 20 .

IOFFE S ， SZEGEDY C . Batch normalization： accelerating deep network training by reducing internal covariate shift ［C］// Proceedings of the 32nd International Conference on Machine Learning ， July 6-11 ， 2015 ， Lille， France ： 448 - 456 .

MOCHAMAD R F ， PREECE R . Assessing the impact of VSC-HVDC on the interdependence of power system dynamic performance in uncertain mixed AC/DC systems ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 1 ）： 63 - 74 .

赵小强，宋昭漾 . Adam优化的CNN超分辨率重建［J］. 计算机科学与探索， 2019 ， 13 （ 5 ）： 858 - 865 .

ZHAO Xiaoqiang ， SONG Zhaoyang . Adam optimized CNN super-resolution reconstruction ［J］. Journal of Frontiers of Computer Science & Technology ， 2019 ， 13 （ 5 ）： 858 - 865 .

GISBRECHT A ， SCHULZ A ， HAMMER B . Parametric nonlinear dimensionality reduction using kernel t-SNE ［J］. Neurocomputing ， 2015 ， 147 （ 1 ）： 71 - 82 .

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

基于多尺度图注意力网络的电力系统暂态稳定评估

基于异构数据特征级融合的多任务暂态稳定评估

基于主动迁移学习的电力系统暂态稳定自适应评估

基于双向长短期记忆网络的电力系统暂态稳定评估