基于CTGAN的电力系统暂态稳定不平衡样本生成与评估
机器学习
2021-12-17 v1
摘要
尽管深度学习在电力系统暂态稳定评估中取得了令人瞩目的进展，但样本不足与不平衡仍制约着数据驱动方法的训练效果。本文提出一种基于条件表格生成对抗网络（CTGAN）的可控样本生成框架，以生成指定的暂态稳定样本。为拟合暂态稳定样本复杂的特征分布，该框架首先将样本建模为表格数据，并使用高斯混合模型对表格数据进行归一化。随后我们将多个条件转换为单一条件向量以实现多条件生成。此外，本文基于所提框架引入三种评估指标以验证生成样本的质量。在 IEEE 39-总线系统上的实验结果表明，该框架有效平衡了暂态稳定样本并显著提升了暂态稳定评估模型的性能。
引用
@article{arxiv.2112.08836,
title = {Imbalanced Sample Generation and Evaluation for Power System Transient Stability Using CTGAN},
author = {Gengshi Han and Shunyu Liu and Kaixuan Chen and Na Yu and Zunlei Feng and Mingli Song},
journal= {arXiv preprint arXiv:2112.08836},
year = {2021}
}