基于SVM-SMOTE算法的一维卷积神经网络电力系统暂态稳定评估模型

文档摘要：为了提高电力系统运行稳定性,降低大停电事故发生的概率,本文提出了一种基于SVM-SMOTE算法的一维卷积神经网络暂态稳定评估模型.为了避免人工特征选择引入的主观偏差对模型预测性能的影响,本文选择来自PMU的底层量测数据作为输入特征,并采用一维卷积神经网络(1D-CNN)捕捉输入特征的时序信息;考虑数据集样本不平衡带来的预测精度下降问题,采用SVM-SMOTE算法对样本进行均衡化.算例仿真结果表明,本文所提出的模型实现了端到端的时序特征提取和暂态稳定评估,可满足在线评估准确性、快速性和可靠性的要求,且有效解决了不平衡数据集中失稳样本漏判率高的问题.

Abstract：Inordertoimprovetheoperationalstabilityofpowersystemsandreducetheprobabilityofmajoroutages,thispaperproposesa1DconvolutionalneuralnetworktransientstabilityassessmentmodelbasedontheSVM-SMOTEalgorithm.Toavoidtheimpactofsubjectivebiasintroducedbymanualfeatureselectiononmodelpredictionperformance,theunderlyingmeasurementdatafromPMUisselectedasinputfeaturesandaone-dimensionalconvolutionalneuralnetwork(1D-CNN)isusedtocapturethetime-seriesinformationoftheinputfeatures.Atthesametime,theSVM-SMOTEalgorithmisusedtoequalizethesamples,consideringthedegradationofpredictionaccuracyduetotheimbalanceofsamplesinthedataset.Thesimulationresultsofthealgorithmshowthattheproposedmodelachievesend-to-endtimingfeatureextractionandtransientstabilityevaluation,whichcanmeettherequirementsofonlineevaluationaccuracy,rapidityandreliability,andeffectivelysolvetheproblemofhighomissionrateofunstablesamplesinunbalanceddatasets.

作者：袁梦薇  何宇  王旭Author：YUANMengwei  HEYu  WANGXu
作者单位：贵州大学电气工程学院,贵阳550025
刊名：智能计算机与应用
Journal：IntelligentComputerandApplications
年，卷(期)：2024, 14(7)
分类号：TM712
关键词：电力系统  暂态稳定评估  SVM-SMOTE算法  一维卷积神经网络  
Keywords：powersystems  transientstabilityassessment  SVM-SMOTEalgorithm  one-dimensionalconvolutionalneuralnet  
机标分类号：TM712TP391.41TM341
在线出版日期：2024年7月22日
基金项目：黔科合支撑一般014，黔科合支撑一般013基于SVM-SMOTE算法的一维卷积神经网络电力系统暂态稳定评估模型[
期刊论文]  智能计算机与应用--2024, 14(7)袁梦薇  何宇  王旭为了提高电力系统运行稳定性,降低大停电事故发生的概率,本文提出了一种基于SVM-SMOTE算法的一维卷积神经网络暂态稳定评估模型.为了避免人工特征选择引入的主观偏差对模型预测性能的影响,本文选择来自PMU的底层量测数据...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：电力系统,暂态稳定评估,SVM-SMOTE算法,一维卷积神经网络,

2024-10-4 00:31 上传 基于SVM-SMOTE算法的一维卷积神经网络电力系统暂态稳定评估模型.pdf

文件大小:

2.37 MB

下载次数:

60

高速下载