一种适应于大规模电力系统下设备故障侦测的RPFD方法OA
传统的电力系统一次调频设备故障节点侦测方法不适合现代的大规模电力系统,特别是系统中出现较多的故障节点时,侦测设备数量增加,严重影响电网的稳定性.为此,提出了一种基于人工智能技术的电力系统一次调频故障侦测策略,在实际电力机组故障数据集上通过深度学习构建一种新的组合侦测模型,引入一个高效的设备状态侦测模型框架,通过注入噪声来提高电力系统一次调频设备状态信息的可靠性,从而实现对设备故障节点的动态侦测和侦测数据传输聚合的差分分析.结果表明,在机组故障数据规模较大时,所提方法的性能表现明显优于常用的ETDEPP,p2Detect,ETDFE等策略,并且还有效降低了电力系统设备状态侦测的聚合代价.
王宋翔;王勇;孟煜彬;侯维岩;李尹罡
湖北清江水电开发有限责任公司,湖北宜昌443000湖北清江水电开发有限责任公司,湖北宜昌443000郑州大学电气与信息工程学院,河南郑州450001郑州大学电气与信息工程学院,河南郑州450001湖北清江水电开发有限责任公司,湖北宜昌443000
信息技术与安全科学
人工智能电力系统一次调频故障侦测通信代价聚合代价
《安徽大学学报(自然科学版)》 2026 (4)
P.44-52,9
国家自然科学基金委重大研究计划(9206710030)湖北清江水电开发有限责任公司科研项目(ENQJ-GZ1-HW-2023170)。
评论