控制与决策

作者：陈庆超,韩松,毛钧毅

单位：贵州大学 电气工程学院,贵阳 550025,,贵州大学 电气工程学院,贵阳 550025,,贵州大学 电气工程学院,贵阳 550025,

关键词：多层次特征融合;空间金字塔池化网络;暂态稳定预测;多任务预测;卷积神经网络

基金：国家自然科学基金项目(51567006)；贵州省普通高等高校科技拔尖人才支持计划项目(2018036)；贵州省科学技术基金项目(黔科合基础[2019]1100)；贵州省科技创新人才团队项目([2018]5615).

为提升基于卷积神经网络(CNN)的电力系统暂态稳定预测性能并呈现更全面的预测结果,提出一种基于多层次特征融合空间金字塔池化网络(MSPP-net)的暂态稳定多任务预测方法.首先,通过同步相量测量装置(PMUs)获取故障清除后各发电机功角、机端母线电压幅值及相角数据,构造出一个三维输入矩阵;其次,在CNN的基础上采用空间金字塔池化层提取高层特征的多尺度信息,通过跳跃链接获取不同卷积层多层次特征信息,并进行特征融合;最后,通过硬参数共享机制建立MSPP-net多任务学习模型,以实现暂态稳定性判断、临界发电机识别和稳定裕度预测.在IEEE10机39母线系统、IEEE50机145母线系统和中国某省简化系统上进行仿真验证.与传统浅层及深度学习方法相比,结果验证了所提方法的有效性和更优的预测性能,以及该方法在噪声环境或PMUs非100%覆盖条件下的适用性.

来源：2022年第5期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第5期