基于复合神经网络的电力系统暂态稳定评估和裕度预测_姚德全

资 源 简 介

基于复合神经网络的电力系统暂态稳定评估和裕度预测_姚德全

详 情 说 明

电力系统暂态稳定评估是保障电网安全运行的核心环节，传统方法依赖数值仿真计算，存在耗时长、难以在线应用的局限性。姚德全提出的复合神经网络框架通过融合深度学习和特征工程，实现了高效准确的稳定状态分类与裕度量化预测。

该研究的创新点在于设计了分层建模策略：底层网络提取系统运行参数（如功角、电压、频率等动态特征），上层网络结合拓扑结构信息进行时空关联分析。通过引入注意力机制强化关键节点的特征权重，模型能够捕捉暂态过程中微妙的失稳先兆。对于裕度预测任务，采用双输出结构同步优化分类与回归损失，最终输出稳定概率和临界切除时间等量化指标。

实际应用中，这种数据驱动方法将仿真计算时间从分钟级缩短至毫秒级，且对噪声数据表现出良好鲁棒性。未来可结合迁移学习技术，进一步提升模型在不同电网拓扑间的泛化能力。