基于异构数据特征级融合的多任务暂态稳定评估

摘要：

考虑到基于深度学习的暂态稳定评估方法对电力系统输入数据的描述不够全面,异构数据常被忽略,且许多特征信息无法有效融合,为充分利用电力系统各类异构数据以提高模型的精确度和算法性能,提出了一种异构数据特征级融合的深度学习方法.首先,利用多层感知机、图卷积网络、门控循环单元分别对静态多变量数据、拓扑图域数据、时序多变量数据进行特征提取;然后,采用张量融合方法对所提取特征进行特征级融合,并将展平的融合特征输入共享层,利用基于同方差不确定性的多任务学习方法,同时实现了暂态稳定判别与暂态稳定裕度预测.在此基础上,建立了暂态稳定评估模型,并对所提方法的性能进行了评估.最后,采用新英格兰10机39节点系统进行仿真、训练与验证,结果表明所提方法能有效提升评估的准确性与鲁棒性.

关键词：暂态稳定评估、异构数据、深度学习、特征级融合、自适应多任务学习

所属期刊栏目：47

分类号：TM712;TP391;TP18

资助基金：国家自然科学基金51837004

在线出版日期：2023-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：118-128