基于貝葉斯優(yōu)化深度學(xué)習(xí)算法的動(dòng)態(tài)負(fù)載入網(wǎng)短期電壓穩(wěn)定性評(píng)估

打開(kāi)文本圖片集

【關(guān)鍵詞】貝葉斯優(yōu)化；卷積神經(jīng)網(wǎng)絡(luò)；動(dòng)態(tài)負(fù)載；短期電壓穩(wěn)定性

引言

隨著電網(wǎng)中動(dòng)態(tài)負(fù)載的不斷普及，動(dòng)態(tài)負(fù)載的高比例并網(wǎng)將成為電力系統(tǒng)領(lǐng)域發(fā)展的必然趨勢(shì)。由于動(dòng)態(tài)負(fù)載自身具有較強(qiáng)的隨機(jī)波動(dòng)特性，短期電壓的PV輸出特性曲線會(huì)出現(xiàn)非線性波動(dòng)，嚴(yán)重時(shí)可能引發(fā)較大的電力故障。對(duì)于STVS評(píng)估這一研究領(lǐng)域，雖然采用支持向量機(jī)（Support Vector Machine，SVM）[1]、隨機(jī)森林[2]以及貝葉斯模型[3]等能夠解決尋優(yōu)問(wèn)題，但存在分類(lèi)不準(zhǔn)確與誤判現(xiàn)象。（剩余3135字）