王强副教授:抗噪性高斯过程用于风电系统暂态电压稳定性的评估

基于机器学习的风电系统安全评估方法已成为当下热点,但对样本噪声影响不予以充分考虑,则难以保证系统暂态电压稳定性评估的准确性和可靠性。为此构建抗噪性高斯过程多分类模型(noisy input multi-class Gaussian process,NIMGP),首先,引入稀疏高斯过程,选用诱导点代替部分原输入点进行训练,以降低模型计算的复杂度;其次,对模型中的输入数据引入可加性高斯噪声实现抗噪处理,通过泰勒级数法近似求解含噪声输入的高斯过程,使输入噪声转化为输出噪声、改善模型评估性能。最后,在含风电场的新英格兰39节点系统进行仿真,对系统暂态电压的稳定、临界和失稳状态及稳定样本的稳定裕度进行预测。多种不同工况仿真结果对比表明,NIMGP具有较强的泛化能力、在不同工况下仍有较好的预测精度。

  • 2024-11-13
  • 收藏0
  • 阅读3

方案详情

评价

评分 :
   *