考虑不平衡样本的基于图卷积网络的电力系统暂态稳定评估方法

摘要

【目的】基于数据驱动的电力系统暂态稳定评估成为现阶段的主流研究方向，但在实际应用阶段尚存在失稳样本过少，以及缺乏考虑电力系统空间拓扑信息对暂态稳定评估影响的问题。鉴于此，提出一种基于条件生成对抗网络（conditional generative adversarial network,CGAN）和图卷积网络（graph convolution network,GCN）的新型暂态稳定评估模型。【方法】首先，采用CGAN对分布较少的失稳样本进行定向增强，作为连接原始不平衡数据集与数据驱动暂稳判别方法的纽带，实现对极度不平衡的原始数据集的精确优化；其次，引入电网空间拓扑信息作为输入，利用图卷积网络对电网空间特征关系进行挖掘，再结合节点本身的特征向量及其暂稳标签构建暂稳评估模型，增强模型对电网运行方式及拓扑结构变化的泛化能力；最后，在IEEE-39节点系统及IEEE-118节点系统上进行仿真验证。【结论】所提的CGANGCN暂态稳定评估模型具有更高的准确性，在模型拓扑结构发生变化的情况下体现出了较强的泛化能力。

关键词

电力系统 / 数据平衡 / 条件生成对抗网络 / 图卷积网络 / 暂态稳定评估