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(cè)數(shù)據(jù)缺失的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估

        2022-12-17 13:38:04王磊張野張雅婷晏光輝劉頌凱
        電氣自動(dòng)化 2022年6期
        關(guān)鍵詞:測(cè)數(shù)據(jù)暫態(tài)噪聲

        王磊, 張野, 張雅婷, 晏光輝, 劉頌凱

        (1.國(guó)網(wǎng)天津市電力公司城西供電分公司,天津 300000;2.三峽大學(xué) 電氣與新能源學(xué)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(kuò)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(dǎo)致嚴(yán)重的大停電事故。因此如何實(shí)現(xiàn)快速、準(zhǔn)確的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估,保障電力系統(tǒng)的安全穩(wěn)定運(yùn)行,是一個(gè)值得關(guān)注的問(wèn)題[1]。傳統(tǒng)的暫態(tài)穩(wěn)定評(píng)估主要包括時(shí)域仿真法和直接法,此類(lèi)方法由于計(jì)算效率低和耗時(shí)長(zhǎng)等問(wèn)題[2]無(wú)法同時(shí)滿足在線應(yīng)用的準(zhǔn)確性和實(shí)時(shí)性要求。

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

        綜上,本文提出了一種考慮量測(cè)數(shù)據(jù)缺失的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估方法。該方法基于生成對(duì)抗網(wǎng)絡(luò)(generative adversarial networks,GAN)和極限學(xué)習(xí)機(jī)(extreme learning machine,ELM)構(gòu)建GAN-ELM綜合評(píng)估模型。首先,以GAN模型修復(fù)電力系統(tǒng)缺失的量測(cè)數(shù)據(jù);然后,使用ELM模型對(duì)電力系統(tǒng)進(jìn)行暫態(tài)穩(wěn)定評(píng)估。此外,通過(guò)仿真試驗(yàn)證明了基于GAN-ELM綜合模型的暫態(tài)穩(wěn)定評(píng)估方法的有效性。

        1 GAN

        GAN是一種由生成器和判別器構(gòu)成的無(wú)監(jiān)督機(jī)器學(xué)習(xí)算法[5]。其中,生成器和判別器處于一種對(duì)抗博弈狀態(tài),生成器將更新權(quán)重以生成遵循真實(shí)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(shí)數(shù)據(jù)。GAN基本結(jié)構(gòu)如圖1所示。

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

        (1)

        式中:x為真實(shí)樣本集;z為先驗(yàn)分布噪聲;D(x)為x來(lái)自于真實(shí)樣本集的概率;G(z)為生成器根據(jù)先驗(yàn)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(shí)樣本集的概率。

        圖1 GAN基本結(jié)構(gòu)

        2 ELM

        ELM由輸入層、隱含層和輸出層3個(gè)網(wǎng)絡(luò)層組成[6],其基本結(jié)構(gòu)如圖2所示?;贓LM基本結(jié)構(gòu),輸出函數(shù)的表達(dá)式為:

        圖2 ELM基本結(jié)構(gòu)fN(xj)=

        j=1,2,…,N

        (2)

        式中:N為隱藏層節(jié)點(diǎn)的個(gè)數(shù);g(·)為激活函數(shù);wi為連接輸入層和隱藏層的輸入權(quán)重,wi∈RN;βi為隱藏層和輸出層之間的輸出權(quán)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(píng)估

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

        3.1 離線訓(xùn)練

        首先,基于電網(wǎng)歷史量測(cè)數(shù)據(jù)和時(shí)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(yùn)行特征和暫態(tài)穩(wěn)定指標(biāo)之間的相關(guān)性,選擇相關(guān)性較強(qiáng)的特征作為GAN-ELM模型的輸入特征。最后,采用五折交叉驗(yàn)證法訓(xùn)練GAN-ELM綜合模型。其中,需訓(xùn)練多個(gè)ELM模型以提高模型的準(zhǔn)確性。

        3.2 在線應(yīng)用

        在線應(yīng)用階段,GAN-ELM綜合模型首先判斷電力系統(tǒng)量測(cè)數(shù)據(jù)是否完整。如果量測(cè)數(shù)據(jù)完整,將會(huì)被直接輸入到ELM評(píng)估模型中,實(shí)現(xiàn)對(duì)電力系統(tǒng)的暫態(tài)穩(wěn)定評(píng)估。反之,不完整的數(shù)據(jù)將會(huì)被輸入到GAN修復(fù)模型中,由GAN修復(fù)模型修復(fù)缺失數(shù)據(jù),并將修復(fù)后的完整數(shù)據(jù)導(dǎo)入到多個(gè)ELM評(píng)估模型中,采用多數(shù)投票機(jī)制輸出評(píng)估結(jié)果。

        3.3 模型更新

        在電力系統(tǒng)的實(shí)際運(yùn)行中,離線訓(xùn)練的暫態(tài)穩(wěn)定評(píng)估模型可能難以適應(yīng)變化的運(yùn)行環(huán)境。為使得模型具有更好適用性,需要對(duì)模型進(jìn)行實(shí)時(shí)更新。當(dāng)電力系統(tǒng)運(yùn)行工況發(fā)生變化時(shí),需根據(jù)新的運(yùn)行工況,構(gòu)建新的數(shù)據(jù)樣本集,對(duì)現(xiàn)有評(píng)估模型進(jìn)行重新訓(xùn)練,以完成評(píng)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(jī)39節(jié)點(diǎn)系統(tǒng)測(cè)試驗(yàn)證本文所提方法的評(píng)估性能,其拓?fù)浣Y(jié)構(gòu)見(jiàn)圖4。圖4中圓點(diǎn)表示量測(cè)裝置安裝位置[7]。

        圖4 英格蘭10機(jī)39節(jié)點(diǎn)

        4.1 樣本生成

        隨機(jī)調(diào)節(jié)系統(tǒng)負(fù)荷水平在其初始值的80%~120%范圍內(nèi)變動(dòng),發(fā)電機(jī)出力隨負(fù)荷水平變化而變化。以10%為步長(zhǎng)在交流線路的0~90%上設(shè)置三相短路故障,故障持續(xù)時(shí)間隨機(jī)選擇為0.1 s、0.2 s或0.3 s,仿真時(shí)長(zhǎng)為5 s。最終獲得失穩(wěn)樣本3 685個(gè),穩(wěn)定樣本3 315個(gè)。

        4.2 GAN模型性能分析

        隨機(jī)缺失部分量測(cè)裝置所采集的量測(cè)數(shù)據(jù),以分析量測(cè)數(shù)據(jù)缺失對(duì)GAN模型性能的影響。采用式(3)所示的平均絕對(duì)誤差百分?jǐn)?shù)(mean absolute percentage error,MAPE)來(lái)判斷GAN模型修復(fù)缺失數(shù)據(jù)的性能。MAPE值越小,說(shuō)明GAN模型修復(fù)性能越好。測(cè)試結(jié)果如表1所示。

        (3)

        表1 GAN修復(fù)單元性能

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

        4.3 GAN-ELM綜合模型評(píng)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(luò)(artificial neural network,ANN)與決策樹(shù)(decision tree,DT)在以下兩種情境下進(jìn)行對(duì)比:①量測(cè)數(shù)據(jù)完整;②隨機(jī)設(shè)定新英格蘭10機(jī)39節(jié)點(diǎn)中的2組量測(cè)裝置缺失,其余7組量測(cè)裝置的數(shù)據(jù)正常。性能對(duì)比結(jié)果如圖5所示。

        圖5 評(píng)估性能對(duì)比

        由圖5可見(jiàn),在量測(cè)數(shù)據(jù)完整時(shí),所有評(píng)估模型都保持較高的評(píng)估精度,其中GAN-ELM綜合模型的評(píng)估精度最高。在量測(cè)數(shù)據(jù)缺失時(shí),常用的評(píng)估模型由于缺少有效的應(yīng)對(duì)措施,致使模型評(píng)估精度下降幅度較大;而GAN-ELM綜合模型中的GAN修復(fù)單元能夠有效修復(fù)缺失數(shù)據(jù),模型評(píng)估精度下滑幅度相對(duì)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(píng)估要求。

        4.4 GAN-ELM綜合模型抗噪測(cè)試

        在實(shí)際應(yīng)用中,噪聲會(huì)影響暫態(tài)穩(wěn)定評(píng)估模型的性能。為測(cè)試GAN-ELM綜合模型的抗噪性能,將高斯白噪聲引入到測(cè)試數(shù)據(jù)中,以此檢驗(yàn)GAN-ELM綜合模型的抗噪能力,高斯白噪聲的信噪比設(shè)為50 dB、40 dB、30 dB、20 dB、10 dB,并與常用的ELM、SVM、ANN與DT評(píng)估性能進(jìn)行對(duì)比。

        由圖6可知,當(dāng)加入的高斯白噪聲信噪比水平在50 dB、40 dB時(shí),GAN-ELM、ELM、SVM、ANN與DT評(píng)估模型受噪聲影響并不太大,準(zhǔn)確率都維持在94%以上。但隨著噪聲水平的增加,其他評(píng)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(píng)估準(zhǔn)確率。當(dāng)噪聲水平達(dá)到10 dB時(shí),ELM、SVM與DT評(píng)估模型的評(píng)估結(jié)果受到了嚴(yán)重的影響,而GAN-ELM綜合模型的準(zhǔn)確率仍能保持在93%以上。

        圖6 抗噪能力測(cè)試

        5 結(jié)束語(yǔ)

        本文基于GAN和ELM提出了一種考慮量測(cè)數(shù)據(jù)缺失的電力系統(tǒng)暫態(tài)穩(wěn)定評(píng)估方法。通過(guò)GAN模型對(duì)電力系統(tǒng)缺失的量測(cè)數(shù)據(jù)進(jìn)行修復(fù),以解決量測(cè)數(shù)據(jù)缺失問(wèn)題。通過(guò)ELM模型對(duì)電力系統(tǒng)暫態(tài)穩(wěn)定狀態(tài)進(jìn)行評(píng)估。仿真測(cè)試結(jié)果驗(yàn)證了本文所提方法的有效性。相較于其他數(shù)據(jù)驅(qū)動(dòng)方法,本文提出的考慮量測(cè)數(shù)據(jù)缺失的暫態(tài)安全評(píng)估方法具有更高的準(zhǔn)確率和更強(qiáng)的抗噪能力。評(píng)估結(jié)果可為系統(tǒng)運(yùn)行人員實(shí)施預(yù)防控制措施,為保障電力系統(tǒng)安全穩(wěn)定運(yùn)行提供重要的理論依據(jù)。

        猜你喜歡
        測(cè)數(shù)據(jù)暫態(tài)噪聲
        300Mvar空冷隱極同步調(diào)相機(jī)暫態(tài)特性仿真分析
        噪聲可退化且依賴于狀態(tài)和分布的平均場(chǎng)博弈
        電力系統(tǒng)全網(wǎng)一體化暫態(tài)仿真接口技術(shù)
        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(shí)研究
        除氧器暫態(tài)計(jì)算研究
        基于PMU/SCADA混合量測(cè)數(shù)據(jù)兼容性的船舶系統(tǒng)狀態(tài)估計(jì)研究
        提高變電站基礎(chǔ)量測(cè)數(shù)據(jù)時(shí)間同步性的方法
        一種新的外測(cè)數(shù)據(jù)隨機(jī)誤差分離方法
        一種基于白噪聲響應(yīng)的隨機(jī)載荷譜識(shí)別方法
        亚洲国产成人av毛片大全| 91av精品视频| 亚洲国产高清美女在线观看 | 国产av一区二区三区天美| 无码爽视频| 成人免费毛片aaaaaa片| 中文字幕一区二区三区乱码不卡| 亚洲一区二区三区在线| 日韩三级一区二区不卡| 天堂8在线天堂资源bt| 一本久道久久综合婷婷五月| 日本变态网址中国字幕| 精品在线视频在线视频在线视频| av 日韩 人妻 黑人 综合 无码 | 97se在线观看| 国产精品人人爱一区二区白浆| 亚洲日本人妻少妇中文字幕| 国产va免费精品高清在线观看| 亚洲专区欧美| 冲田杏梨av天堂一区二区三区| 华人免费网站在线观看| 国产高清一区二区三区视频| 最新国产精品亚洲二区| 日韩国产自拍视频在线观看| 国产高清在线精品一区app| 精品久久人人妻人人做精品| 99色网站| 人妻精品人妻一区二区三区四区| 国产又粗又黄又爽的大片| 国产欧美日韩综合在线一区二区| 色婷婷亚洲一区二区在线| 美女视频黄是免费| 国产精品无码一区二区三区免费| 午夜亚洲国产精品福利| 亚洲一区二区三区视频免费看| 伊人久久大香线蕉av不卡| 98在线视频噜噜噜国产| 亚洲av区一区二区三区| 国产98色在线 | 国产| 两个黑人大战嫩白金发美女| 国产亚洲一区二区三区三州|