典型文献
图像化数据驱动的电力系统暂态稳定性在线评估方法
文献摘要：
目前电力系统暂态稳定性评估(TSA)大多采用标准算例生成的数据集,然而实际电网的母线、发电机、线路等电力元件的数量巨大,难以实现评估模型的实时监视和在线更新;而现有降维方法常常遗漏重要信息,导致预测精度下降.提出一种图像化数据驱动的电力系统暂态稳定性在线评估方法,将输入时间序列重新排列成二维图像,利用二维主成分分析法(2D-PCA)对原始图像进行特征降维,并建立卷积神经网络(CNN)模型进行系统稳定性预测.在IEEE-39算例中进行验证,结果表明本文所提基于2D-PCA和CNN的TSA模型在保证预测精度的同时能够大幅提高训练效率,有望推进深度学习在电力系统暂态稳定性在线评估的应用.
文献关键词：
暂态稳定性评估;卷积神经网络;二维主成分分析;在线评估
中图分类号：
作者姓名：
彭鑫;刘俊;刘嘉诚;李雨婷;刘晓明;赵誉
作者机构：
西安交通大学电气工程学院,陕西西安 710049
文献出处：
引用格式：
[1]彭鑫;刘俊;刘嘉诚;李雨婷;刘晓明;赵誉-.图像化数据驱动的电力系统暂态稳定性在线评估方法)[J].智慧电力,2022(11):17-24
A类：
暂态稳定性评估
B类：
图像化,电力系统,在线评估,TSA,采用标准,母线,发电机,难以实现,实时监视,在线更新,降维方法,遗漏,重要信息,重新排列,排列成,二维图像,二维主成分分析,2D,原始图像,特征降维,立卷,系统稳定性,稳定性预测,IEEE,提高训练,训练效率,进深
AB值：
0.269655
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。
