基于卷积神经网络的N-2线路开断潮流快速计算

基于卷积神经网络的N-2线路开断潮流快速计算
交流潮流（AC）算法需迭代求解，难以满足实际电力系统在线安全校核的需求。文中基于卷积神经网络，提出一种电力系统线路开断潮流的快速计算方法。离线训练阶段，从线路开断前后工况与拓扑的变化中提取特征作为输入信号（原始特征图），经大量算例训练后，卷积神经网络构建了原始特征图与线路开断后潮流结果的非线性映射关系。在线应用时，直接生成原始特征图，并基于离线训练的卷积神经网络计算测试集的潮流结果。经4个IEEE典型系统的N-2潮流仿真验证，文中方法具有良好的泛化能力。相比传统交流算法，文中方法将速度提高了接近80倍；相比传统人工神经网络模型，文中方法将精度提高近了1个数量级。

标题：
基于卷积神经网络的N-2线路开断潮流快速计算
Fast load flow calculation of N-2 contingency based on convolutional neural network

作者：
刘学华，孔霄迪
LIU Xuehua, KONG Xiaodi

关键词：
卷积神经网络;N-2潮流计算;计算提速;原始特征图;人工智能
convolutional neural network;N-2 load flow calculation;calculation acceleration;initial feature maps;artificial intelligence

基于卷积神经网络的N-2线路开断潮流快速计算.pdf

文件大小:

4.74 MB

高速下载