典型文献
基于SE-CNN和仿真数据的电力系统主导失稳模式智能识别
文献摘要：
故障后的主导失稳模式识别是电力系统仿真分析中的一项重要内容,用以指导制定在线应用的紧急控制措施策略表,但实际电网的功角失稳和电压失稳常交织在一起而难以判断.该文探索人工智能在主导失稳模式识别上的应用,提出一种深度学习的方法.该方法基于仿真所得的发电机功角和母线电压数据,直接识别出系统的稳定状态和主导失稳模式,即稳定、功角失稳或电压失稳.采用改进的卷积神经网络(convolutional neural network,CNN)模型实现这一智能方法,即通过引入挤压激励网络模块,显式建模CNN特征通道间的相关关系,自适应调整特征通道的权重,进一步提升CNN的效果.以中国电科院36节点系统和我国东北电网为例进行仿真,结果验证了所提主导失稳模式识别方法相比传统机器学习方法在有效性、准确性和适应性方面存在一定的优势.结果验证了基于人工智能的主导失稳模式识别的可行性和准确性.
文献关键词：
电力系统仿真分析;主导失稳模式;功角稳定;电压稳定;挤压激励网络;卷积神经网络
中图分类号：
作者姓名：
石重托;姚伟;黄彦浩;汤涌;文劲宇
作者机构：
强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院),湖北省武汉市 430074;中国电力科学研究院有限公司,北京市海淀区 100192
文献出处：
引用格式：
[1]石重托;姚伟;黄彦浩;汤涌;文劲宇-.基于SE-CNN和仿真数据的电力系统主导失稳模式智能识别)[J].中国电机工程学报,2022(21):7719-7730,中插5
A类：
主导失稳模式
B类：
SE,仿真数据,智能识别,模式识别,电力系统仿真分析,在线应用,紧急控制,措施策略,略表,功角失稳,真所,发电机,母线电压,直接识别,稳定状态,convolutional,neural,network,模型实现,智能方法,挤压激励网络,显式,自适应调整,节点系统,北电,机器学习方法,功角稳定,电压稳定
AB值：
0.256392
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。
