面向电力系统的物理信息神经网络
系统与控制
2020-01-30 v3 机器学习
系统与控制
信号处理
摘要
据我们所知，本文首次提出了电力系统中物理信息神经网络（physics-informed neural networks）的框架。利用支配电力系统的底层物理定律，并受机器学习领域近期发展的启发，本文提出了一种神经网络训练流程，能够利用描述电力系统行为（包括稳态与动态）的广泛数学模型。物理信息神经网络所需训练数据大幅减少，并可得到更简单的神经网络结构，同时实现高精度。该工作开启了电力系统中的一系列机遇，能够以常规方法所需计算时间的一小部分来确定动态状态（如转子角和频率）以及不确定参数（如惯量和阻尼）。本文侧重于介绍该框架，并以单机无穷大母线系统为指导示例展示其潜力。物理信息神经网络被证明比常规方法快至多87倍准确地确定转子角和频率。
引用
@article{arxiv.1911.03737,
title = {Physics-Informed Neural Networks for Power Systems},
author = {George S. Misyris and Andreas Venzke and Spyros Chatzivasileiadis},
journal= {arXiv preprint arXiv:1911.03737},
year = {2020}
}