|
|
- 2019
基于多层极限学习机的电力系统频率安全评估方法Keywords: 频率安全,极限学习机,低惯性系统,机器学习,人工智能,大数据,frequency safety, extreme learning machine(ELM), low inertia system, machine learning, artificial intelligence(AI), big data Abstract: 可再生能源发电的随机性、间歇性和低惯性特征导致含可再生能源电力系统的频率安全问题凸显。利用时域仿真进行频率安全评估存在计算量大、耗时长等缺陷，难以满足多重复杂不确定因素“组合数爆炸”下的频率安全快速评估需求。为了实现频率安全的快速分析与预测，提出一种基于多层极限学习机(ML-ELM)的频率安全在线评估方法。该方法通过深层架构建立输入与输出之间的非线性映射关系，并在自下而上的逐层无监督训练过程中，引入自动编码器算法和正则化系数，逐层优化输入层与隐含层之间的权重矩阵，以使ML-ELM有效表征复杂函数、提高预测精度和泛化能力。在IEEE RTS-79系统上开展算例测试，将测试结果与时域仿真和浅层神经网络方法所得结果进行比较，验证了所提方法的准确性和泛化能力
|
