基于迁移学习与Wasserstein生成对抗网络的静态电压稳定临界样本生成方法

作     者：廖一帆 武志刚 LIAO Yifan;WU Zhigang

作者机构：华南理工大学电力学院广东省广州市510000 

出 版 物：《电网技术》 (Power System Technology)

年 卷 期：2021年第45卷第9期

页      面：3722-3728页

核心收录：

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0807[工学-动力工程及工程热物理] 0802[工学-机械工程] 0801[工学-力学（可授工学、理学学位）] 

主　　题：静态电压稳定 临界点 迁移学习 生成对抗网络 样本生成 

摘      要：静态电压稳定临界点在研究极限状态电力系统的传统分析方法与数据驱动方法中都有重要意义。电网新形势下,多次调用逐点法获取极限数据不再现实。提出一种基于深度学习的生成模型,用于静态电压稳定临界样本生成。首先,注意到临界样本是一种特殊的潮流样本,以非联络节点的电压作为样本的特征参量,可以解决样本的潮流不收敛与联络节点注入功率非零的问题;然后,建立与迁移学习结合的WGAN-GP模型,用于学习临界样本的特殊约束与分布;最后,选用样本的最小奇异值来表明生成样本的质量。算例研究结果表明,相较于直接使用WGAN-GP,与迁移学习结合能够更为有效地生成高质量的样本。