APP下载

基于BP神经网络的极限传输容量预测方法

2021-03-25吴锴,姚方,王生

自动化与仪表 2021年3期
关键词:关键特征系统

吴 锴,姚 方,王 生

(山西大学 电力与建筑学院,太原030024)

现代电力系统运行状态复杂多变,发生故障的风险增大,有效控制系统安全运行的难度增加。运行知识的发现是保证电网安全有效运行的必要手段[1]。传统离线模式下的关键断面选择和运行规则制定依赖于人类智能,难以满足智能安全分析的需求。随着人工智能技术的应用,结合电力系统实际运行数据、仿真计算数据[2-4],采用非线性模型分析电网运行状态,可以提高电网精细运行规则的制定效率,推动电网调控领域智能化发展。

传统的采用线性模型分析电网运行状态的方法很多,文献[5]提出一种适用于在线调度辅助决策的极限传输容量(total transfer capability,TTC)计算方法,考虑不同的发电负荷增长模式求出TTC 区间值,为后续研究精细规则提供了基础。文献[6-8]在分析离线规则弊端的基础上,解释了精细的电网运行规则,提高了运行知识发现的精确性能和实际应用性能。

如今,不少学者利用人工智能技术开展在电网调控领域的研究。文献[9]提出一种在改进向量机基础上的判断电网关键断面是否生效的方法,并采用层次聚类和K-means 聚类结合的技术分析断面运行知识,提高了训练效率。文献[10]从实际工程出发,采用智能网格法来计算暂态稳定约束下的TTC,但软件、硬件的需求较高,虽基本满足在线应用的要求,但计算过程复杂,成本高,实现难度大。总的来说,基于线性模型的TTC 计算过程复杂,经济性不高。因此,本文考虑采用人工神经网络训练的方法,运用机器学习相关技术,可以提高电网调度人员的工作效率,保障电网安全稳定供电,并且神经网络模型具有较强的可拓展性。……

登录APP查看全文

猜你喜欢

关键特征系统
Smartflower POP 一体式光伏系统
高考考好是关键
WJ-700无人机系统
ZC系列无人机遥感系统
如何表达“特征”
不忠诚的四个特征
连通与提升系统的最后一块拼图 Audiolab 傲立 M-DAC mini
获胜关键
线性代数的应用特征
生意无大小,关键是怎么做?