基于电网感知时序与拓扑嵌入深度神经网络快速暂态稳定预测
系统与控制
2025-09-23 v1 机器学习
系统与控制
摘要
暂态稳定预测对于电力系统的快速在线评估和维持稳定运行至关重要。相量测量单元（PMU）的广泛部署促进了数据驱动的暂态稳定评估方法的发展。本文提出时序与拓扑嵌入深度神经网络（TTEDNN）模型，利用早期暂态动态预测暂态稳定性。TTEDNN模型通过从早期暂态动态的时间序列数据中提取时序和拓扑特征，能够准确高效地预测暂态稳定性。采用电网感知邻接矩阵以融入电网结构和电气参数信息。在单节点和多节点扰动下的暂态动态仿真环境中，对IEEE 39总线与IEEE 118总线电力系统测试了TTEDNN模型的性能。结果表明，TTEDNN模型具有最佳且最鲁棒的预测性能。此外，TTEDNN模型还展现出在更复杂暂态动态仿真环境中预测暂态稳定性的迁移能力。
引用
@article{arxiv.2201.09245,
title = {Fast Transient Stability Prediction Using Grid-informed Temporal and Topological Embedding Deep Neural Network},
author = {Peiyuan Sun and Long Huo and Siyuan Liang and Xin Chen},
journal= {arXiv preprint arXiv:2201.09245},
year = {2025}
}