基于神经网络的电力系统稳定性分析
系统与控制
2023-01-24 v1 系统与控制
摘要
本工作聚焦于自动电压调节器(AVR)的现代电力系统控制器设计,以及应用机器学习(ML)算法对 IEEE 14 总线系统的稳定性进行正确分类。与 PID 和 LQG 相比,LQG 控制器具有最佳时域特性,而传感器和放大器增益以动态方式变化。之后,对 IEEE 14 总线系统建模,并在 System Modelica Dymola 环境中模拟故障场景。文献中审视了结合修正泊松概率分布原理的蒙特卡洛原理的应用,其将总故障数从 1000k 缩减至 20k。随后提取故障的阻尼比,进行预处理并输入逻辑回归、支持向量机、决策树、随机森林、朴素贝叶斯和 k 近邻等 ML 算法。考虑具有 25%、50%、75% 和 100% 数据量的 1、2、3、5、7 和 10 个隐藏层的神经网络(NN),以观察和比较预测时间、准确率、精确率和召回值。在 NN 中,两层隐藏层和单层隐藏层于较低数据量 25% 时的准确率分别为 95.70% 和 97.38%。将 NN 隐藏层增至二层以上不会提升总体得分且预测时间更长,故可舍弃用于类似分析。此外,当使用 5、7 和 10 个隐藏层时,F1 分数下降。然而在实际场景中,数据集含更多特征与多类样本时,NN 需更大数据量以妥善训练。本研究将为基于阻尼比的传统 ML 算法与神经网络系统稳定性预测提供更多见解。
引用
@article{arxiv.2301.09070,
title = {Power System Stability Analysis using Neural Network},
author = {Md. Rayid Hasan Mojumder},
journal= {arXiv preprint arXiv:2301.09070},
year = {2023}
}
备注
Masters Thesis Dissertation