基于深度极限学习机的暂态稳定预防控制方法

刘颂凯; 曾羽聪; 张磊; 李彦彰; 王秋杰; 刘龙成; 陈萍; 赵文博

doi:10.16088/j.issn.1001-6600.2024071802

广西师范大学学报（自然科学版） ›› 2025, Vol. 43 ›› Issue (05) : 64 -74. DOI: 10.16088/j.issn.1001-6600.2024071802

基于深度极限学习机的暂态稳定预防控制方法

刘颂凯, 曾羽聪, 张磊, 李彦彰, 王秋杰, 刘龙成, 陈萍, 赵文博

作者信息 +

Author information +

文章历史 +

PDF

摘要

在电力系统暂态稳定预防控制中时域仿真计算复杂，同时系统存在样本不平衡问题，影响机器学习模型的性能。针对上述问题，本文提出一种基于深度极限学习机(deep extreme learning machine, DELM)的暂态稳定预防控制方法。首先采用过采样技术处理样本不平衡；然后利用DELM发现平衡数据集的潜在信息，建立电力系统运行特征和暂态稳定指标之间的映射模型，在预防控制中引入基于DELM的暂态稳定预测模型来代替暂态稳定约束最优潮流(transient stability constrained optimal power flow, TSCOPF)模型中含微分代数方程的暂态稳定约束，减少计算复杂度，并采用萤火虫算法对模型进行求解，获取最终策略；最后在IEEE 39节点系统进行仿真验证。结果表明，在预防故障发生时，本文所提的预防控制方法能够以2 042美元的优化调整成本实现系统暂态稳定性的提高，将暂态失稳的情况调节为稳定，且采用的萤火虫算法求解的计算时间可以控制在20 s以内，表明本文提出的基于DELM暂态稳定预防控制方法能够有效提升系统的暂态稳定性，且在具有较快的计算速度的同时具有良好的经济性。