一种用于在线电力系统安全评估的多变量密度预测方法
系统与控制
2021-05-10 v1 人工智能
系统与控制
摘要
本文设计了一种基于深度学习的多变量密度预测模型，用于预测电力系统中多个安全裕度的联合累积分布函数（JCDFs）。与现有的多变量密度预测模型不同，所提方法无需对预测目标的分布施加先验假设。此外，基于神经网络的通用逼近能力，已证明所提方法的值域包含所有连续的JCDF。进一步利用预测得到的JCDF计算确定性安全评估指标，以评估未来电力系统运行的安全水平。数值测试验证了所提方法相对于当前多变量密度预测模型的优越性。同时表明，该确定性安全评估指标比安全裕度本身能为运行人员提供更多信息。
引用
@article{arxiv.2105.03047,
title = {A Multivariate Density Forecast Approach for Online Power System Security Assessment},
author = {Zichao Meng and Ye Guo and Wenjun Tang and Hongbin Sun and Wenqi Huang},
journal= {arXiv preprint arXiv:2105.03047},
year = {2021}
}