亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        考慮量測數(shù)據(jù)缺失的電力系統(tǒng)暫態(tài)穩(wěn)定評估

        2022-12-17 13:38:04王磊張野張雅婷晏光輝劉頌凱
        電氣自動化 2022年6期
        關鍵詞:測數(shù)據(jù)暫態(tài)噪聲

        王磊, 張野, 張雅婷, 晏光輝, 劉頌凱

        (1.國網(wǎng)天津市電力公司城西供電分公司,天津 300000;2.三峽大學 電氣與新能源學院,湖北 宜昌 443002)

        0 引 言

        隨著電網(wǎng)廣域互聯(lián)規(guī)模逐步擴大與新能源的規(guī)?;⑷?,電力系統(tǒng)暫態(tài)穩(wěn)定性受到威脅,可能導致嚴重的大停電事故。因此如何實現(xiàn)快速、準確的電力系統(tǒng)暫態(tài)穩(wěn)定評估,保障電力系統(tǒng)的安全穩(wěn)定運行,是一個值得關注的問題[1]。傳統(tǒng)的暫態(tài)穩(wěn)定評估主要包括時域仿真法和直接法,此類方法由于計算效率低和耗時長等問題[2]無法同時滿足在線應用的準確性和實時性要求。

        隨著人工智能的發(fā)展和廣域測量系統(tǒng)的成熟,基于數(shù)據(jù)驅動模型的暫態(tài)穩(wěn)定評估方法得到更多研究[3],如支持向量機(support vector machine,SVM)、堆疊自動編碼器(stacked autoencoder,SAE)和深度置信網(wǎng)絡(deep belief network,DBN)等。但此類方法依賴于量測數(shù)據(jù)的完整性和可靠性。在實際工況中,電力系統(tǒng)量測數(shù)據(jù)在傳輸過程中會出現(xiàn)缺失[4]。此時,暫態(tài)穩(wěn)定評估模型評估性能將會顯著下降,因此需對量測數(shù)據(jù)缺失進行處理。

        綜上,本文提出了一種考慮量測數(shù)據(jù)缺失的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法。該方法基于生成對抗網(wǎng)絡(generative adversarial networks,GAN)和極限學習機(extreme learning machine,ELM)構建GAN-ELM綜合評估模型。首先,以GAN模型修復電力系統(tǒng)缺失的量測數(shù)據(jù);然后,使用ELM模型對電力系統(tǒng)進行暫態(tài)穩(wěn)定評估。此外,通過仿真試驗證明了基于GAN-ELM綜合模型的暫態(tài)穩(wěn)定評估方法的有效性。

        1 GAN

        GAN是一種由生成器和判別器構成的無監(jiān)督機器學習算法[5]。其中,生成器和判別器處于一種對抗博弈狀態(tài),生成器將更新權重以生成遵循真實數(shù)據(jù)分布的數(shù)據(jù),判別器則用于區(qū)分生成的數(shù)據(jù)和真實數(shù)據(jù)。GAN基本結構如圖1所示。

        結合生成器和判別器的損失函數(shù),可得GAN的目標函數(shù)為:

        (1)

        式中:x為真實樣本集;z為先驗分布噪聲;D(x)為x來自于真實樣本集的概率;G(z)為生成器根據(jù)先驗分布噪聲z生成的樣本集;D[G(z)]為判別器判斷生成器生成的樣本集是否屬于真實樣本集的概率。

        圖1 GAN基本結構

        2 ELM

        ELM由輸入層、隱含層和輸出層3個網(wǎng)絡層組成[6],其基本結構如圖2所示?;贓LM基本結構,輸出函數(shù)的表達式為:

        圖2 ELM基本結構fN(xj)=

        j=1,2,…,N

        (2)

        式中:N為隱藏層節(jié)點的個數(shù);g(·)為激活函數(shù);wi為連接輸入層和隱藏層的輸入權重,wi∈RN;βi為隱藏層和輸出層之間的輸出權重,βi∈RN;bi為隱藏層的輸入偏置。

        3 基于GAN-ELM的暫態(tài)穩(wěn)定評估

        本文提出基于GAN-ELM的暫態(tài)穩(wěn)定評估方法流程,如圖3所示,主要包括離線訓練、在線應用和模型更新三個部分。

        3.1 離線訓練

        首先,基于電網(wǎng)歷史量測數(shù)據(jù)和時域仿真數(shù)據(jù)建立離線樣本集。然后,使用最大信息系數(shù)分析系統(tǒng)運行特征和暫態(tài)穩(wěn)定指標之間的相關性,選擇相關性較強的特征作為GAN-ELM模型的輸入特征。最后,采用五折交叉驗證法訓練GAN-ELM綜合模型。其中,需訓練多個ELM模型以提高模型的準確性。

        3.2 在線應用

        在線應用階段,GAN-ELM綜合模型首先判斷電力系統(tǒng)量測數(shù)據(jù)是否完整。如果量測數(shù)據(jù)完整,將會被直接輸入到ELM評估模型中,實現(xiàn)對電力系統(tǒng)的暫態(tài)穩(wěn)定評估。反之,不完整的數(shù)據(jù)將會被輸入到GAN修復模型中,由GAN修復模型修復缺失數(shù)據(jù),并將修復后的完整數(shù)據(jù)導入到多個ELM評估模型中,采用多數(shù)投票機制輸出評估結果。

        3.3 模型更新

        在電力系統(tǒng)的實際運行中,離線訓練的暫態(tài)穩(wěn)定評估模型可能難以適應變化的運行環(huán)境。為使得模型具有更好適用性,需要對模型進行實時更新。當電力系統(tǒng)運行工況發(fā)生變化時,需根據(jù)新的運行工況,構建新的數(shù)據(jù)樣本集,對現(xiàn)有評估模型進行重新訓練,以完成評估模型的更新。

        圖3 GAN-ELM綜合模型

        4 算例分析

        以新英格蘭10機39節(jié)點系統(tǒng)測試驗證本文所提方法的評估性能,其拓撲結構見圖4。圖4中圓點表示量測裝置安裝位置[7]。

        圖4 英格蘭10機39節(jié)點

        4.1 樣本生成

        隨機調(diào)節(jié)系統(tǒng)負荷水平在其初始值的80%~120%范圍內(nèi)變動,發(fā)電機出力隨負荷水平變化而變化。以10%為步長在交流線路的0~90%上設置三相短路故障,故障持續(xù)時間隨機選擇為0.1 s、0.2 s或0.3 s,仿真時長為5 s。最終獲得失穩(wěn)樣本3 685個,穩(wěn)定樣本3 315個。

        4.2 GAN模型性能分析

        隨機缺失部分量測裝置所采集的量測數(shù)據(jù),以分析量測數(shù)據(jù)缺失對GAN模型性能的影響。采用式(3)所示的平均絕對誤差百分數(shù)(mean absolute percentage error,MAPE)來判斷GAN模型修復缺失數(shù)據(jù)的性能。MAPE值越小,說明GAN模型修復性能越好。測試結果如表1所示。

        (3)

        表1 GAN修復單元性能

        由表1可見,在量測數(shù)據(jù)缺失數(shù)量低于4組時,MAPE值都相對較小,表明修復后的數(shù)據(jù)與真實數(shù)據(jù)十分接近,GAN修復單元有較好的性能。但隨著量測數(shù)據(jù)缺失數(shù)量超過4組,MAPE值迅速增大,GAN模型的修復性能下滑。

        4.3 GAN-ELM綜合模型評估性能

        為了分析GAN-ELM綜合模型的優(yōu)越性,將其與常用的ELM、SVM、人工神經(jīng)網(wǎng)絡(artificial neural network,ANN)與決策樹(decision tree,DT)在以下兩種情境下進行對比:①量測數(shù)據(jù)完整;②隨機設定新英格蘭10機39節(jié)點中的2組量測裝置缺失,其余7組量測裝置的數(shù)據(jù)正常。性能對比結果如圖5所示。

        圖5 評估性能對比

        由圖5可見,在量測數(shù)據(jù)完整時,所有評估模型都保持較高的評估精度,其中GAN-ELM綜合模型的評估精度最高。在量測數(shù)據(jù)缺失時,常用的評估模型由于缺少有效的應對措施,致使模型評估精度下降幅度較大;而GAN-ELM綜合模型中的GAN修復單元能夠有效修復缺失數(shù)據(jù),模型評估精度下滑幅度相對較小,但依舊維持在98%以上,滿足電力系統(tǒng)暫態(tài)穩(wěn)定評估要求。

        4.4 GAN-ELM綜合模型抗噪測試

        在實際應用中,噪聲會影響暫態(tài)穩(wěn)定評估模型的性能。為測試GAN-ELM綜合模型的抗噪性能,將高斯白噪聲引入到測試數(shù)據(jù)中,以此檢驗GAN-ELM綜合模型的抗噪能力,高斯白噪聲的信噪比設為50 dB、40 dB、30 dB、20 dB、10 dB,并與常用的ELM、SVM、ANN與DT評估性能進行對比。

        由圖6可知,當加入的高斯白噪聲信噪比水平在50 dB、40 dB時,GAN-ELM、ELM、SVM、ANN與DT評估模型受噪聲影響并不太大,準確率都維持在94%以上。但隨著噪聲水平的增加,其他評估模型的性能出現(xiàn)跌落式下降,而GAN-ELM綜合模型依舊保持了較高的評估準確率。當噪聲水平達到10 dB時,ELM、SVM與DT評估模型的評估結果受到了嚴重的影響,而GAN-ELM綜合模型的準確率仍能保持在93%以上。

        圖6 抗噪能力測試

        5 結束語

        本文基于GAN和ELM提出了一種考慮量測數(shù)據(jù)缺失的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法。通過GAN模型對電力系統(tǒng)缺失的量測數(shù)據(jù)進行修復,以解決量測數(shù)據(jù)缺失問題。通過ELM模型對電力系統(tǒng)暫態(tài)穩(wěn)定狀態(tài)進行評估。仿真測試結果驗證了本文所提方法的有效性。相較于其他數(shù)據(jù)驅動方法,本文提出的考慮量測數(shù)據(jù)缺失的暫態(tài)安全評估方法具有更高的準確率和更強的抗噪能力。評估結果可為系統(tǒng)運行人員實施預防控制措施,為保障電力系統(tǒng)安全穩(wěn)定運行提供重要的理論依據(jù)。

        猜你喜歡
        測數(shù)據(jù)暫態(tài)噪聲
        300Mvar空冷隱極同步調(diào)相機暫態(tài)特性仿真分析
        大電機技術(2021年5期)2021-11-04 08:58:28
        噪聲可退化且依賴于狀態(tài)和分布的平均場博弈
        電力系統(tǒng)全網(wǎng)一體化暫態(tài)仿真接口技術
        電子制作(2018年14期)2018-08-21 01:38:28
        控制噪聲有妙法
        基于SCADA和WAMS的線路參數(shù)辨識研究
        除氧器暫態(tài)計算研究
        電子測試(2017年23期)2017-04-04 05:07:02
        基于PMU/SCADA混合量測數(shù)據(jù)兼容性的船舶系統(tǒng)狀態(tài)估計研究
        電測與儀表(2016年6期)2016-04-11 12:08:20
        提高變電站基礎量測數(shù)據(jù)時間同步性的方法
        一種新的外測數(shù)據(jù)隨機誤差分離方法
        一種基于白噪聲響應的隨機載荷譜識別方法
        免费看草逼操爽视频网站| 99久久夜色精品国产网站| 91爱爱视频| 亚洲视频在线免费观看一区二区| 久久亚洲午夜牛牛影视| 五月激情在线观看视频| 99噜噜噜在线播放| 亚洲av永久无码一区二区三区| 人人添人人澡人人澡人人人人| 国产成人一区二区三区视频免费蜜| 亚洲精品国产熟女久久久| 成熟了的熟妇毛茸茸| 欧美日韩中文国产一区发布| 91精品国产免费青青碰在线观看 | 久久精品国产四虎| 亚洲国产精品免费一区| 国产性感丝袜在线观看| 久久久久亚洲av成人网人人网站| 国产精品黄网站免费观看| 一级做a爱视频在线播放| 国产精品一区二区av麻豆日韩| 欧美俄罗斯40老熟妇| 国产欧美精品一区二区三区,| 91国产视频自拍在线观看| 久久人妻中文字幕精品一区二区| 97人妻人人做人碰人人爽| 免费特级黄毛片| 国产高清亚洲精品视频| 丝袜美腿av在线观看| 丰满熟妇乱子伦| 亚洲精品天堂av免费看| 水蜜桃网站视频在线观看| 97色偷偷色噜噜狠狠爱网站| 人人妻人人澡人人爽人人精品电影 | 久久综合久久综合久久| 欧美v国产v亚洲v日韩九九| 精品无码人妻一区二区三区品| 亚洲网站免费看| 天堂丝袜美腿在线观看| 亚洲精品成人无码中文毛片| 亚洲AV无码精品呻吟|