齐 放

(中国广核新能源控股有限公司, 北京 100000)

0 引 言

近年来，由于暂态失稳所引发的电力系统事故时有发生，对社会和经济产生极大的危害。然而，传统电力系统暂态稳定计算基于时域仿真，包含复杂的微分代数方程，在大电网中计算复杂，难以进行暂态稳定在线评估与风险预警[1-4]。

近年来，机器学习技术被引入电力系统暂态稳定评估中，通过非线性方程替代复杂微分代数方程计算，加速暂态稳定评估速度，以满足在线应用需求。文献[5]提出了暂态稳定安全域的概念，并在安全域下提出基于多支持向量机的综合电力系统暂态稳定评估方法，可减少暂态失稳场景的误判。文献[6]中离线数据通过相量测量单元PMU采集得到，并通过串行集成多棵回归树构建基于XGBoost的暂态稳定预测模型，实现暂态稳定特征重要度排序关系，提高了模型的可解释性。文献[7]将概率神经网络和径向基函数神经网络结合，形成复合神经网络，并用于故障临界切除时间裕度的预测，提升预测精度。文献[8] 将深度置信网络作为黑盒模型拟合发电机出力和系统暂态稳定系数间映射关系，实现暂态稳定评估。文献[9]直接基于底层数据，将堆叠自动编码器引入电力系统暂态稳定评估中，采用“预训练-参数微调”的两阶段学习方法和稀疏化技术提升暂态稳定评估准确度。

下面提出一种基于一维卷积神经网络(one dimensional convolutional neural network, 1DCNN)的电力系统暂态稳定在线评估方法，将在图像学习中广泛……