积分商城

最新搜索： qn8035 Cadence高速电路板设计与仿真（第4版）——原理图与PCB设计 CCS3.3 PCB 小孙学变频 TB62726
您现在的位置是：首页 > 技术资料 > 基于自适应神经网络的电网稳定性预测
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于自适应神经网络的电网稳定性预测

更新时间：2020-01-01 10:39:37 大小：958K 上传用户：songhuahua查看TA发布的资源 标签：自适应神经网络电网稳定性预测 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

电网安全稳定是电力企业乃至整个社会改革、发展、稳定的基础.随着电网结构复杂度的增加,更需要电网安全和稳定地运行,这是保证国民经济快速良好发展的重要要求.基于机器学习方法,提出了一种优化神经网络的电网稳定性预测模型,并和经典机器学习方法进行了横向对比.通过UCI 2018年电网稳定性仿真数据集的实验分析,结果表明,所提出的方法可以达到更高的预测准确率,同时也为电力大数据的研究提供了新思路.


部分文件列表

文件名 大小
基于自适应神经网络的电网稳定性预测.pdf 958K

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
No. 5  
华东师范大学学报(自然科学版)  
第 5 期  
Sept. 2019  
Journal of East China Normal University (Natural Science)  
2019 年 9 月  
文章编号: 1000-5641(2019)05-0133-10  
基于自适应神经网络的电网稳定性预测  
赵 波, 田秀霞, 李 灿  
(上海电力大学 计算机科学与技术学院, 上海 200090)  
摘要: 电网安全稳定是电力企业乃至整个社会改革、发展、稳定的基础. 随着电网结构复杂度  
的增加, 更需要电网安全和稳定地运行, 这是保证国民经济快速良好发展的重要要求. 基于机  
器学习方法, 提出了一种优化神经网络的电网稳定性预测模型, 并和经典机器学习方法进行了  
横向对比. 通过 UCI 2018 年电网稳定性仿真数据集的实验分析, 结果表明, 所提出的方法可  
以达到更高的预测准确率, 同时也为电力大数据的研究提供了新思路.  
关键词: 电网稳定性; 支持向量机; 决策树; 神经网络  
中图分类号: TP391  
文献标志码: A  
DOI: 10.3969/j.issn.1000-5641.2019.05.011  
Prediction of power network stability based on  
an adaptive neural network  
ZHAO Bo, TIAN Xiu-xia, LI Can  
( College of Computer Science and Technology, Shanghai University of Electric Power,  
Shanghai 200090, China )  
Abstract: The safety and stability of the power grid serves as the basis for reform,  
development, and stability of power enterprises as well as for broader society. With the  
increasing complexity of power grid structures, safety and stability of the power grid is  
important for ensuring the rapid and effective development of the national economy. In  
this paper, we propose an optimal neural network stability prediction model and compare  
performance with classical machine learning methods. By analyzing the UCI2018 grid  
stability simulation dataset, the experimental results show that the proposed method can  
achieve higher prediction accuracy and provide a new approach for research of power big  
data.  
Keywords: grid stability; support vector machine; decision tree; neural network  
0 引  
言
我国的电力事业发展迅速[1], 以上海电网为例, 从 2010 年到 2015 年的短短 5 年, 就实现  
收稿日期: 2019-07-27  
基金项目: 国家自然科学基金(61772327, 61532021)  
第一作者: 赵 波, 男, 硕士研究生, 研究方向为电力大数据、窃电保护.  
E-mail: .  
通信作者: 田秀霞, 女, 教授, 研究方向为数据库安全、隐私保护、访问控制、面向电力用户利益的安  
全计算、大数据分析等. E-mail: .  
134  
华东师范大学学报(自然科学版)  
2019 年  
了从现场抄表、后期处理异步进行的工作模式到智能仪表普及、电力数据采集、分析一步  
到位的巨大转变. 同时, 电力新能源的快速兴起, 在电网中也有着举足轻重的地位. 然而随着  
电网结构复杂度的增大、大规模的新能源并网和可充电设备的大量接入, 电网的稳定性运  
行问题越来越显著[2-3]. 电网稳定性是电网安全的重要一环, 失稳会对经济发展造成极大的  
影响, 世界范围内多次发生的电力系统崩溃问题, 如美国西北西南电网解列和我国张家口火  
力发电站“5·28”重大事件, 其事故的起因都是电力系统震荡所引起的电力系统不稳定运行.  
电力系统运行过程中,每个同步发电机必须处于同步状态; 同时电力系统中各个电力节  
点的电压值和电力支路的功率潮流值在某一范围内波动, 这就是所谓的稳定运行状态. 当  
系统受到巨大扰动(如自然灾害、大功率机械的投切等), 各发电机之间难以保持同步, 当无  
法恢复到同步运行状态时, 就认为是电力系统运行失稳[1]. 失稳的原因根据其结构特点可以  
分为供给性失稳、结构性失稳和负荷性失稳, 其主要特征为电网频率和电压的震荡. 然而,  
电网的稳定性是一个很难量化的特征. 所以, 如果电力系统在遭受扰动时, 能提前预警是否  
会导致电力系统的失稳, 并及时采取有效的预防措施, 则会大大减少经济的损失. 目前电力  
系统的稳定性研究主要有时域仿真法、直接法和人工智能法[4]. 近来, 人工智能技术兴起,  
数据存储和高效计算设备的快速发展, 伴随着大数据技术以及智能量测和智能电网 (Smart  
Power Grid) 的普及, 电力大数据时代也随之到来, 这为使用人工智能方式解决电力系统的问  
题提供了契机.  
本文针对电网的稳定性问题, 以神经网络为基础, 建立了一个电力系统稳定运行状态的  
预测模型.  
1 相关工作  
随着计算机科学的深入发展和智能电网的迅速崛起, 电力大数据应运而生. 电力大数据  
是指, 根据电网运行产生的海量数据, 进行异常值检测、窃电检测、负荷预测、稳定性分析  
等一系列和电网运行相关的分析, 来预测电网的状态, 以达到降低经济损失的目的.  
电力大数据的研究由来已久, 其主要研究领域是电力安全稳定领域中的窃电检测和负  
荷预测. 在这些检测中支持向量机 (Support Vector Mechine, SVM) 和聚类分析是最常用的  
检测模型. Jindal 等和卢峰等分别使用决策树 (Decision Tree, DT) 和支持向量机以及两者  
结合的方式来实现对电力坏数据的识别[5-6], 并最终完成了窃电检测的任务. 然而简单的分  
类模型对高维度的数据集无能为力, 并且其较低的泛化能力成为限制其发展的主要因素. 随  
着深度学习的向前发展, 很多学者将神经网络 (Neural Network, NN) 模型和电力数据结合,  
产生了许多新的检测机制. 多层感知机和深度学习的模型也用来进行电网数据的模式监测.  
Ding 等提出的一种基于神经网络的负荷预测模型[7], 以及 Zheng 等提出的基于深层神经网  
络的电网状态监控都取得了不错的效果[8]. 另外, Pierrevalh、Mccalley 等和 Rohden 等也将  
神经网络用于解决加州电网的安全问题[9-11]  
.
虽然数据驱动的机器学习模型在窃电和负荷预测上取得了长足的发展, 但是对电网稳  
定性的研究大多仍基于理论研究, 如设计一种稳定状态的判断标准. Filatrella 等提出了一种  
基于单扰动的稳定性状态评估准则[12], 即当负荷的需求能量大大增加时会做出预警, 但是该  
准则在调控自由度和准确率上有所欠缺. Menck 等提出了新的稳定性判定准则[13], 该准则假  
设一组随机采样的扰动系统, 通过对比初始条件和稳定运行条件的比率来判别稳定性状态,  
其比单扰动稳定性判据更加稳健. 当前工业界普遍接受的标准是局部稳定性判据[14], 该方法  
通过求取运动方程的特征根, 其中具体正实部的解对应的状态判定为稳定状态. 也有少部分  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

  • 21ic小能手 打赏5.00元   47分钟前

    资料：STM32F103RB+AD7705，16位模数转换程序

  • 我来看看怎 打赏5.00元   3天前

    用户：xzxbybd

  • 21ic下载 打赏310.00元   3天前

    用户：zhengdai

  • 21ic下载 打赏310.00元   3天前

    用户：gsy幸运

  • 21ic下载 打赏310.00元   3天前

    用户：小猫做电路

  • 21ic下载 打赏270.00元   3天前

    用户：liqiang9090

  • 21ic下载 打赏210.00元   3天前

    用户：w178191520

  • 21ic下载 打赏210.00元   3天前

    用户：kk1957135547

  • 21ic下载 打赏110.00元   3天前

    用户：w1966891335

  • 21ic下载 打赏110.00元   3天前

    用户：w993263495

  • 21ic下载 打赏100.00元   3天前

    用户：1111111ffgg

  • 21ic下载 打赏40.00元   3天前

    用户：jh03551

  • 21ic下载 打赏30.00元   3天前

    用户：WK520077778

  • 21ic下载 打赏30.00元   3天前

    用户：sun2152

  • 21ic下载 打赏15.00元   3天前

    用户：x15580286248

  • 21ic下载 打赏25.00元   3天前

    用户：xzxbybd

  • 21ic下载 打赏25.00元   3天前

    用户：ytt006

  • 21ic下载 打赏10.00元   3天前

    用户：poplarly

  • 21ic下载 打赏20.00元   3天前

    用户：muguang28

  • 21ic下载 打赏10.00元   3天前

    用户：konglongcong

  • 21ic下载 打赏10.00元   3天前

    用户：铁蛋锅

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号