典型文献
基于GCN-LSTM时空网络的电力系统扰动后频率响应预测方法
文献摘要：
随着互联电网规模的扩大,扰动后电力系统频率响应的时空分布特征变得愈发明显,准确预测电网频率响应可以为电网安全控制提供有效支撑.然而,传统基于模型的频率响应预测方法需要建立精确的电力系统元件模型,其计算时间长,无法满足在线运行的要求,数据驱动的方法以其计算快速性和不依赖与模型的特性得到了广泛应用.因此,本文提出了一种基于图卷积神经网络(graph convolutional network,GCN)和长短期记忆网络(a long short-term memory,LSTM)组成的时空网络的频率预测模型.在所提方法中,来自同步相量测量单元测量的数据作为时空网络输入,使用嵌入电网拓扑信息的改进GCN提取空间维度特征以及LSTM提取时间维度特征.进一步,利用滚动更新的方式,训练时空网络回归模型,实现异步频率序列的预测.在IEEE 39节点和IEEE 118节点系统上验证了所提方法的有效性和抗噪性.
文献关键词：
同步相量量测;频率响应预测;时空分布特性;改进图卷积神经网络;长短期记忆网络;时空网络
中图分类号：
作者姓名：
黄登一;刘灏;毕天姝;杨奇逊
作者机构：
文献出处：
引用格式：
[1]黄登一;刘灏;毕天姝;杨奇逊-.基于GCN-LSTM时空网络的电力系统扰动后频率响应预测方法)[J].全球能源互联网（英文）,2022(01):96-107
A类：
频率响应预测
B类：
GCN,时空网络,互联电网,电网规模,电力系统频率,系统频率响应,时空分布特征,得愈,准确预测,电网频率,电网安全,安全控制,有效支撑,基于模型,元件模型,计算时间,在线运行,快速性,不依,graph,convolutional,network,长短期记忆网络,long,short,term,memory,频率预测,自同步,同步相量测量单元,拓扑信息,空间维度,维度特征,提取时间,时间维度,滚动,异步,步频,IEEE,节点系统,抗噪性,同步相量量测,时空分布特性,改进图卷积神经网络
AB值：
0.338761
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
