基于改进的Transformer神经网络辅助的两阶段机组组合决策方法

作     者：武新章 赵子巍 代伟 谢代钰 郭苏杭 王泽宇 张冬冬 WU Xinzhang;ZHAO Ziwei;DAI Wei;XIE Daiyu;GUO Suhang;WANG Zeyu;ZHANG Dongdong

作者机构：广西大学电气工程学院广西南宁530004 广西电网电力调度控制中心广西南宁530023 

出 版 物：《电力自动化设备》 (Electric Power Automation Equipment)

年 卷 期：2023年第43卷第3期

页      面：172-179页

核心收录：

学科分类：0710[理学-生物学] 0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(52107082) 广西自然科学基金资助项目(2021GXNSFBA220032)。 

主　　题：Transformer神经网络 深度学习 机组组合 数据驱动 特征构造 

摘      要：为了解决大规模电力系统机组组合的“维数灾问题,提出基于Transformer神经网络的两阶段机组组合决策方法,该方法兼顾求解精度与速度。在第一阶段,考虑机组组合时段耦合的特性,提出基于多头注意力机制的特征向量构建方法,进而基于Transformer神经网络的全局视野与并行化优势,提出一种改进的Transformer神经网络来预辨识机组启停值。在第二阶段,基于预辨识的机组状态设计置信度阈值,并将机组启停判定可信度定义为启停可信与启停不可信状态,对于启停可信机组的状态进行直接确定,对于启停不可信机组的状态,通过机组组合物理模型进行求解来保证求解的可行性。IEEE 30节点和IEEE 2 383节点系统的仿真结果验证了所提方法的有效性。