典型文献
基于图注意力网络算法的电网连锁故障关键线路辨识
文献摘要：
快速、准确识别电网中对连锁故障发展具有助推作用的关键线路,对避免大停电事故发生具有重要作用.该文提出一种基于图注意力网络(graph attention network,GAT)算法的电网连锁故障关键线路辨识方法.首先,分析连锁故障传播机理和关键线路特征,采用运行可靠性模型仿真模拟连锁故障,依据风险理论定义关键线路.其次,利用GAT算法建立关键线路辨识模型,考虑到计算稳定性、样本均衡性等问题对辨识结果的影响,设计了多头注意力机制、带权重交叉熵损失函数等,完善优化模型.最后,构造运行场景-关键线路样本集,对辨识模型进行训练、验证与测试.IEEE39节点系统和实际电网算例仿真表明,所提方法显著提高了新场景下连锁故障关键线路辨识的准确性和速度,具有一定的应用前景.
文献关键词：
连锁故障;关键线路辨识;运行可靠性;风险理论;图注意力网络
中图分类号：
作者姓名：
刘彤;李少岩;顾雪平;刘雨濛;王铁强;杨晓东
作者机构：
华北电力大学电气与电子工程学院,河北省 保定市 071003;国网河北省电力公司,河北省 石家庄市 050021
文献出处：
引用格式：
[1]刘彤;李少岩;顾雪平;刘雨濛;王铁强;杨晓东-.基于图注意力网络算法的电网连锁故障关键线路辨识)[J].中国电机工程学报,2022(15):5448-5458,中插6
A类：
B类：
图注意力网络,网络算法,连锁故障,关键线路辨识,准确识别,助推作用,大停电事故,graph,attention,network,GAT,辨识方法,故障传播,传播机理,线路特征,运行可靠性,可靠性模型,模型仿真,仿真模拟,风险理论,论定,辨识模型,样本均衡,均衡性,多头注意力机制,交叉熵损失函数,完善优化,运行场景,样本集,IEEE39,节点系统,法显,新场景
AB值：
0.312114
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。
