基于两阶段迁移学习的电力系统暂态稳定评估框架

摘要

为提高基于数据驱动的暂态稳定评估模型对电网的自适应性,将深度迁移学习引入更新过程,提出一种基于两阶段迁移学习的暂态稳定评估框架。所提框架根据时间尺度分为2个阶段:在第1阶段,利用深度子领域自适应网络挖掘无标注数据信息,将模型的评估性能快速提升到相对可靠的水平,得到迁移模型,结合时域仿真法进行综合判稳,提高电网变化初期模型的可用性;在第2阶段,利用迁移模型筛选高价值样本集,并结合样本迁移和微调技术进行二次更新,使评估性能恢复到较高水平,降低更新时间成本。在IEEE 39节点系统和中国某省级电网模型上进行测试,结果表明所提框架具有完备性,可使模型快速响应电网的变化。