典型文献
基于时空图卷积网络的电力系统暂态稳定评估
文献摘要：
快速准确的电力系统暂态稳定分析对电力系统安全稳定运行有着重要意义.现代电力系统设备元件日趋复杂多样导致系统非线性日益增强,作为电力系统暂态稳定分析传统方法的时域仿真法过于耗时.针对此问题,提出了一种基于时空图卷积网络模型的暂态稳定分析方法,将短时仿真与神经网络预测相结合,减少暂态稳定分析所需时间,可用于多种仿真分析场景.该方法将暂态稳定分析建模为样本空间映射问题,利用数据驱动方法训练神经网络模型,建立从暂态过程电网空间结构与时序潮流数据到暂态稳定的映射.模型通过同时提取暂态过程故障前、故障中、故障后的电网空间结构特征和时序潮流特征来实现对系统暂态稳定的快速准确判断.与传统暂态稳定分析方法相比,所提出的方法仅需进行短时间仿真分析,提高了分析效率.与其他机器学习模型相比,时空图卷积网络模型同时挖掘电力系统暂态过程的空间特征和时间特征,引入了更多与稳定性相关的先验知识,具有更优的特征挖掘能力和分析性能.基于新英格兰39节点系统的测试结果验证了所提方法的可行性、有效性和优越性.
文献关键词：
电力系统;暂态稳定分析;特征分析;数据驱动;神经网络;时空图卷积网络
中图分类号：
作者姓名：
庄颖睿;肖谭南;程林;陈颖;关慧哲
作者机构：
清华大学电机工程与应用电子技术系,北京市 100084
文献出处：
引用格式：
[1]庄颖睿;肖谭南;程林;陈颖;关慧哲-.基于时空图卷积网络的电力系统暂态稳定评估)[J].电力系统自动化,2022(11):11-18
A类：
B类：
时空图卷积网络,电力系统暂态稳定评估,快速准确,暂态稳定分析,电力系统安全,安全稳定运行,现代电力系统,系统设备,导致系统,时域仿真,神经网络预测,分析场,样本空间,空间映射,数据驱动方法,方法训练,暂态过程,流数据,同时提取,空间结构特征,潮流特征,分析效率,机器学习模型,空间特征,时间特征,先验知识,特征挖掘,分析性能,新英格兰,节点系统
AB值：
0.204333
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。
