基于深度残差网络的电力系统暂态稳定预测

摘要

电力系统稳定性预测存在映射维度不匹配的问题,导致预测精准性下降,提出基于深度残差网络发热暂态稳定预测方法.将残差单元融入深度残差网络,利用跨层短连接的恒等映射与残差函数,完成线性映射到非线性映射的转换,根据输入特征维度,架构用于暂态稳定预测的深度残差网络模型,通过划分神经网络处理后未知样本,采用交叉熵损失函数,优化深度残差网络模型,基于样本特征与标签数据集,结合样本标注规则,构建出由数据生成、离线训练以及模型应用模块构成的暂态稳定预测方法.仿真数据选取新英格兰10机39节点系统与三组底层量测数据,预测结果具有较为理想的稳定性、精准性以及鲁棒性,且时间复杂度较低.