基于RA-CNN和同步相量的风电场次/超同步振荡参数智能辨识方法
近年来风电并网比例大幅提高，由此引发的次/超同步振荡的发生概率也大大提高，严重威胁系统的安全稳定性。准确辨识次/超同步振荡参数是抑制振荡的基础，提出基于注意力机制的残差卷积神经网络的辨识方法。卷积神经网络的局部相关性和权值共享决定了其具有更强的特征学习和表达能力，通过结合注意力机制可以更准确地辨识振荡参数。同时，引入残差连接，用以解决深层卷积神经网络存在的梯度消失和网络退化问题。仿真结果表明：相较于传统方法，该方法不仅能在较短时间窗数据上完整地辨识次/超同步振荡的参数，且能规避传统方法因主观因素带来的辨识误差，降低振荡参数辨识的复杂度。
热点资讯
以“推动政产学研用协同创新，助力技术工作者职业成长”为使命，采取“智库组织+科技服务”的运营模式，围绕技术创新提供全链条一站式科技服务。
北京点普科技有限公司
北京市西城区广外大街168号朗琴国际B座1512室
电子邮箱：service@eptc.org.cn
微信公众号
官方APP
微信小程序
广告合作：王女士 13240416749
会展合作：周女士 15811385649
会员咨询：王女士 17610608350
服务咨询：汤女士 13910887455
京公网安备11010202010095号