基于CBAM-CNN多任务模型的暂态电压稳定定量评估方法
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。