基于深度学习的电力系统暂态稳定评估方法研究
发布时间：2021-05-15 16:37
随着电力系统的快速发展,电网容量日益扩大,拓扑结构日趋复杂,新能源大规模接入,特高压交直流混联日益普及,越来越多的大型系统以互联的方式运行在接近暂态稳定安全约束的边缘地带,电网的安全稳定运行面临越来越严峻的挑战,暂态稳定性评估这一传统问题被赋予了更多的复杂性和新时代技术带来的新要求,日益显出其重要性,并再次成为电力系统技术研究的核心热点问题之一。传统的电力系统暂态稳定评估方法以直接法和时域仿真法为主,但是随着电网的快速发展,输电线路大幅增加,直接法和时域仿真法的局限和不足越来越显露出来,已越来越难以适应飞速发展的时代技术要求。而在人工智能领域新涌现出的各类新方法和手段,可以为研究暂态稳定性问题的研究提供全新的视角和思路,这些智能型方法有其优点,但也有其自身不成熟的一面,如何扬长避短充分发挥智能型评估方法的优点,将之运用到暂态稳定的评估中来,构成了本文的核心研究内容。从神经网络的基础理论入手,分析其组成结构、模型的训练方法和参数寻优的策略,结合电压幅值变化与系统暂态之间的关系,构建了基于深度置信网络的电力系统暂态稳定评估模型。充分发挥深度置信网络模型在挖掘数据潜在规则方面的优势,完成快速...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 题目研究背景及意义
1.2 暂态稳定相关内容概述
1.2.1 电力系统暂态稳定概述
1.2.2 暂态稳定评估方法的总结
1.3 仿真软件介绍
1.4 基于机器学习方法的研究现状
1.5 本文主要任务
第2章 机器学习神经网络基础理论
2.1 引言
2.2 人工神经网络概述
2.2.1 人工神经网络的组成
2.2.2 神经网络学习模式
2.3 卷积神经网络(CNN)概述
2.3.1 网络构造与原理
2.3.2 卷积神经网络的特点
2.3.3 卷积神经网络的训练
2.4 深度学习优化方法
2.4.1 常见的优化方法
2.4.2 自适应参数优化方法
2.5 本章小结
第3章 基于深度置信网络的暂态稳定评估模型构建
3.1 引言
3.2 深度置信网络理论研究
3.2.1 受限玻尔兹曼机(RBM)
3.2.2 深度置信网络(DBN)
3.2.3 输入特征学习过程
3.2.4 网络训练方法
3.3 基于DBN暂态评估模型的构建
3.3.1 输入特征选取
3.3.2 模型建模
3.3.3 暂态评估流程
3.4 算例分析
3.4.1 输入样本集构建
3.4.2 模型评估性能
3.4.3 不同系统下模型评估性能测试
3.5 本章小结
第4章 基于卷积神经网络的暂态稳定评估模型构建
4.1 暂态评估评估模式
4.2 电压轨迹与暂态稳定关系
4.3 构建暂态评估模型
4.3.1 评估模型结构
4.3.2 评估模型参数
4.4 暂态评估流程
4.4.1 评估指标
4.4.2 暂态评估流程
4.5 深度学习框架选择
4.6 算例分析
4.6.1 评估样本集的创建
4.6.2 卷积模型结构设置
4.6.3 评估模型的性能分析
4.6.4 不同输入特征情况下模型评估性能分析
4.6.5 不同系统下模型评估性能分析
4.7 本章小结
第5章 结论和展望
5.1 结论
5.2 展望
参考文献
作者简介与硕士期间取得的科研成果
致谢
【参考文献】：
期刊论文
[1]基于一维卷积神经网络的电力系统暂态稳定评估[J]. 高昆仑,杨帅,刘思言,李向伟. 电力系统自动化. 2019(12)
[2]基于时序轨迹特征学习的暂态电压稳定评估[J]. 朱利鹏,陆超,黄河,刘映尚. 电网技术. 2019(06)
[3]巴西“3·21”大停电事故分析及对中国电网的启示[J]. 易俊,卜广全,郭强,习工伟,张剑云,屠竞哲. 电力系统自动化. 2019(02)
[4]人工智能在电力系统暂态问题中的应用综述[J]. 汤奕,崔晗,李峰,王琦. 中国电机工程学报. 2019(01)
[5]用于电力系统故障诊断的优势粗糙集分类系统研究[J]. 刘伟,黎劲松,刘爱军. 电工技术. 2018(22)
[6]一种利用机端电压幅值轨迹MLE指标的暂态功角稳定在线辨识方法[J]. 魏少攀,杨明,韩学山,马世英,刘道伟. 中国电机工程学报. 2017(13)
[7]基于堆叠自动编码器的电力系统暂态稳定评估[J]. 朱乔木,陈金富,李弘毅,石东源,李银红,段献忠. 中国电机工程学报. 2018(10)
[8]国外2起重要停电事故分析及启示[J]. 靳晓凌,代贤忠,张钧. 电力安全技术. 2016(07)
[9]智能配电网大数据应用需求和场景分析研究[J]. 欧阳曙光. 科技创新导报. 2015(31)
[10]材料时频域屏蔽效能及其强电磁场测试（英文）[J]. 张龙,魏光辉,范丽思,胡小锋,赵阳,张勇强. 高电压技术. 2013(10)
博士论文
[1]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]. 朱乔木.华中科技大学 2019
[2]基于机器学习的电力系统暂态稳定评估研究[D]. 叶圣永.西南交通大学 2010
硕士论文
[1]基于电压时序轨迹和机器学习的暂态稳定评估[D]. 梁咪咪.浙江大学 2019
[2]基于PMU数据的电力系统暂态稳定监测[D]. 李霞梅.山东大学 2017
[3]基于PSASP的诸暨电力系统暂态稳定的研究[D]. 陈淑萍.华北电力大学(北京) 2016
[4]基于深度信念网络的变速器故障分类识别研究[D]. 单外平.华南理工大学 2015
[5]电力系统谐波检测与去噪方法研究[D]. 朱文文.南京邮电大学 2013
[6]基于数据离散化和神经网络的暂态稳定评估方法研究[D]. 李军.华北电力大学（河北） 2005
本文编号：3187978
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 题目研究背景及意义
1.2 暂态稳定相关内容概述
1.2.1 电力系统暂态稳定概述
1.2.2 暂态稳定评估方法的总结
1.3 仿真软件介绍
1.4 基于机器学习方法的研究现状
1.5 本文主要任务
第2章 机器学习神经网络基础理论
2.1 引言
2.2 人工神经网络概述
2.2.1 人工神经网络的组成
2.2.2 神经网络学习模式
2.3 卷积神经网络(CNN)概述
2.3.1 网络构造与原理
2.3.2 卷积神经网络的特点
2.3.3 卷积神经网络的训练
2.4 深度学习优化方法
2.4.1 常见的优化方法
2.4.2 自适应参数优化方法
2.5 本章小结
第3章 基于深度置信网络的暂态稳定评估模型构建
3.1 引言
3.2 深度置信网络理论研究
3.2.1 受限玻尔兹曼机(RBM)
3.2.2 深度置信网络(DBN)
3.2.3 输入特征学习过程
3.2.4 网络训练方法
3.3 基于DBN暂态评估模型的构建
3.3.1 输入特征选取
3.3.2 模型建模
3.3.3 暂态评估流程
3.4 算例分析
3.4.1 输入样本集构建
3.4.2 模型评估性能
3.4.3 不同系统下模型评估性能测试
3.5 本章小结
第4章 基于卷积神经网络的暂态稳定评估模型构建
4.1 暂态评估评估模式
4.2 电压轨迹与暂态稳定关系
4.3 构建暂态评估模型
4.3.1 评估模型结构
4.3.2 评估模型参数
4.4 暂态评估流程
4.4.1 评估指标
4.4.2 暂态评估流程
4.5 深度学习框架选择
4.6 算例分析
4.6.1 评估样本集的创建
4.6.2 卷积模型结构设置
4.6.3 评估模型的性能分析
4.6.4 不同输入特征情况下模型评估性能分析
4.6.5 不同系统下模型评估性能分析
4.7 本章小结
第5章 结论和展望
5.1 结论
5.2 展望
参考文献
作者简介与硕士期间取得的科研成果
致谢
【参考文献】：
期刊论文
[1]基于一维卷积神经网络的电力系统暂态稳定评估[J]. 高昆仑,杨帅,刘思言,李向伟. 电力系统自动化. 2019(12)
[2]基于时序轨迹特征学习的暂态电压稳定评估[J]. 朱利鹏,陆超,黄河,刘映尚. 电网技术. 2019(06)
[3]巴西“3·21”大停电事故分析及对中国电网的启示[J]. 易俊,卜广全,郭强,习工伟,张剑云,屠竞哲. 电力系统自动化. 2019(02)
[4]人工智能在电力系统暂态问题中的应用综述[J]. 汤奕,崔晗,李峰,王琦. 中国电机工程学报. 2019(01)
[5]用于电力系统故障诊断的优势粗糙集分类系统研究[J]. 刘伟,黎劲松,刘爱军. 电工技术. 2018(22)
[6]一种利用机端电压幅值轨迹MLE指标的暂态功角稳定在线辨识方法[J]. 魏少攀,杨明,韩学山,马世英,刘道伟. 中国电机工程学报. 2017(13)
[7]基于堆叠自动编码器的电力系统暂态稳定评估[J]. 朱乔木,陈金富,李弘毅,石东源,李银红,段献忠. 中国电机工程学报. 2018(10)
[8]国外2起重要停电事故分析及启示[J]. 靳晓凌,代贤忠,张钧. 电力安全技术. 2016(07)
[9]智能配电网大数据应用需求和场景分析研究[J]. 欧阳曙光. 科技创新导报. 2015(31)
[10]材料时频域屏蔽效能及其强电磁场测试（英文）[J]. 张龙,魏光辉,范丽思,胡小锋,赵阳,张勇强. 高电压技术. 2013(10)
博士论文
[1]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]. 朱乔木.华中科技大学 2019
[2]基于机器学习的电力系统暂态稳定评估研究[D]. 叶圣永.西南交通大学 2010
硕士论文
[1]基于电压时序轨迹和机器学习的暂态稳定评估[D]. 梁咪咪.浙江大学 2019
[2]基于PMU数据的电力系统暂态稳定监测[D]. 李霞梅.山东大学 2017
[3]基于PSASP的诸暨电力系统暂态稳定的研究[D]. 陈淑萍.华北电力大学(北京) 2016
[4]基于深度信念网络的变速器故障分类识别研究[D]. 单外平.华南理工大学 2015
[5]电力系统谐波检测与去噪方法研究[D]. 朱文文.南京邮电大学 2013
[6]基于数据离散化和神经网络的暂态稳定评估方法研究[D]. 李军.华北电力大学（河北） 2005
本文编号：3187978
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3187978.html
