基于CBAM-CNN多任务模型的暂态电压稳定定量评估方法

作     者：容景超 毛晓明 王炫 林权辉 杨炳鑫 

作者机构：广东工业大学自动化学院 

出 版 物：《高电压技术》 (High Voltage Engineering)

年 卷 期：2024年

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] 08[工学] 

基　　金：广东省自然科学基金(2023A1515010716 2020B1515130001) 

主　　题：暂态电压稳定 定量评估 多任务学习 注意力机制 卷积神经网络 深度学习 

摘      要：为提升基于数据的暂态电压稳定评估的时效性并实现定量评估，提出一种基于卷积块注意力模块-卷积神经网络(convolutional block attention module-based convolutional neural network，CBAM-CNN)的暂态电压稳定评估模型。该模型以电网潮流数据、故障位置信息和节点电压突变信息为输入，引入混合注意力机制和多任务学习框架，输出电网各节点的暂态电压稳定水平和稳定标签。在经典IEEE 39节点系统中的研究表明，所提出的模型对潮流和故障位置变化具有充分的适应性；与其他几种常用的深度学习模型相比，所推荐的模型具有更强的信息表征能力和泛化能力，有望应用于电网预防控制策略的制订中。