压缩感知和图卷积神经网络相结合的宽频振荡扰动源定位方法

作     者：王渝红 李晨鑫 周旭 朱玲俐 蒋奇良 郑宗生 WANG Yuhong;LI Chenxin;ZHOU Xu;ZHU Lingi;JIANG Qiiang;ZHENG Zongsheng

作者机构：四川大学电气工程学院成都610065 

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

年 卷 期：2024年第50卷第3期

页      面：1080-1089页

核心收录：

学科分类：0810[工学-信息与通信工程] 0711[理学-系统科学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0701[理学-数学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(响应驱动的大电网稳定性智能增强分析与控制技术)(2021YFB2400800) 国家电网有限公司科技项目(响应驱动的大电网稳定性智能增强分析与控制技术)(SGSDDK00WJJS2200092) 

主　　题：新能源发电 宽频振荡 振荡源定位 压缩感知 时空特性 图卷积神经网络 

摘      要：新能源并网引发的宽频振荡严重威胁电网安全,实现宽频振荡源的在线定位并及时采取抑制措施以保证系统安全稳定尤为必要。为此,提出一种压缩采样和图卷积神经网络相结合的宽频振荡源定位方法,该方法首先在子站对时序的振荡信号进行稀疏采样,获得其低维观测序列,作为节点的时序信息,然后在主站融合系统的拓扑结构捕捉各节点的邻接关系,综合考虑系统振荡的时空特性,运用图卷积神经网络实现振荡源定位。最后利用宽频振荡样本集进行仿真验证,结果表明所提方法在量测数据含有噪声、传输数据缺失以及传输数据偏差的情况下都有较高的定位准确度。