文档名：基于卷积神经网络的电力系统低频振荡类型判别
摘要：低频振荡严重威胁电力系统的安全与稳定.电力系统低频振荡分为强迫振荡和自由振荡两种类型,由于振荡产生机理不同,对应所采取的抑制手段也不相同.低频振荡类型的判别对于后续合理采取抑制措施、提高电网稳定性具有重要意义.与此同时,深度学习在电力系统应用方向上得到了深远的发展,提出一种基于卷积神经网络的电力系统低频振荡类型判定方法.应用于10机39节点系统,与一般的数据驱动方法不同,采用端口供给能量作为特征输入,具有物理可解释的特性,用卷积神经网络对振荡端口供给能量数据分类代替端口供给能量的分解判别过程,准确快速地实现低频振荡类型的判别.
作者：于泓智Author：YUHongzhi
作者单位：东北电力大学电气工程学院,吉林吉林132012
刊名：电气应用
Journal：ElectrotechnicalApplication
年，卷(期)：2023, 42(7)
分类号：
关键词：卷积神经网络 低频振荡分类 端口供给能量 特征提取
Keywords：convolutionalneuralnetworks oscillationtypeclassification energysupplyontheport featureextraction
机标分类号：
在线出版日期：2023年9月5日
基金项目：基于卷积神经网络的电力系统低频振荡类型判别[
期刊论文] 电气应用--2023, 42(7)于泓智低频振荡严重威胁电力系统的安全与稳定.电力系统低频振荡分为强迫振荡和自由振荡两种类型,由于振荡产生机理不同,对应所采取的抑制手段也不相同.低频振荡类型的判别对于后续合理采取抑制措施、提高电网稳定性具有重要意...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
基于卷积神经网络的电力系统低频振荡类型判别 A convolutional neural network-based method for classification of power system electromechanical oscillation
基于卷积神经网络的电力系统低频振荡类型判别.pdf
- 文件大小:
- 2.69 MB
- 下载次数:
- 60
-
高速下载
|
|
