用于电力系统安全评估的深度学习
机器学习
2019-04-22 v1
摘要
安全评估是电力系统运营商最基础的功能之一。然而，超过少量母线的电力系统本身的复杂性，使其成为一个计算需求极高的任务。能够处理海量数据并推断有价值信息的深度学习方法之出现，提供了一个有前景的替代方案。本文有两个主要贡献。首先，受卷积神经网络在图像处理中卓越性能的启发，我们首次将电力系统快照表示为二维图像，从而利用丰富的面向图像处理的深度学习方法。其次，我们在 NESTA 162-母线系统的大型数据库上训练深度神经网络，以评估 N-1 安全与小信号稳定性。我们发现，我们的方法比标准小信号稳定性评估快逾 255 倍，且能以超过 99% 的准确率正确判定不安全点。
引用
@article{arxiv.1904.09029,
title = {Deep Learning for Power System Security Assessment},
author = {José-María Hidalgo-Arteaga and Fiodar Hancharou and Florian Thams and Spyros Chatzivasileiadis},
journal= {arXiv preprint arXiv:1904.09029},
year = {2019}
}
备注
Accepted at IEEE Powertech 2019, Milan, Italy