基于马尔可夫转移场的电力系统暂态稳定性评估双模态融合方法 闵岩、 陈倩、 黄志华、 钱北奇、 张磊、 丁一凡、 苏泽华

《Energies》：Markov Transition Fields-Based Dual-Modal Fusion Method on Transient Stability Assessment for Power Systems Min Yan, Qian Chen, Zhihua Huang, Beiqi Qian, Lei Zhang, Yifan Ding and Zehua Su

　　

摘要

随着以大规模非线性电力电子装置为主的发电和负荷系统带来的日益复杂的挑战，迫切需要开发出更快、更精确的新的电力系统暂态稳定性评估方法。近年来，计算能力大幅提升，使得人工智能算法得以快速发展，大型人工智能模型也相继出现。其中，深度学习算法因其固有优势而受到更多关注，许多评估策略和方法都是基于这些算法的，但它们目前仍不够适用。因此，本文提出了一种基于马尔可夫转移场的全双模态融合方法，用于电力系统的暂态稳定性评估。首先，研究了图像模态与时间序列模态融合对暂态稳定性评估的影响。随后，为增强关键特征，提出了利用马尔可夫转移场将时间序列模态转换为图像模态的策略，这样可以将特征在多个时间尺度上进行描述，并加强不同时间点之间的特征关联性。接着，分别使用卷积神经网络提取图像模态和时间序列模态的特征，并采用门控循环单元；最后通过串联融合方法将这些特征进一步融合。仿真结果表明，所提出的融合方法有效提升了暂态稳定性评估的精度。