[论文解读] Artificial Neural Network For Transient Stability Assessment: A Review

Umair Shahzad|arXiv (Cornell University)|Jun 13, 2022

Power System Optimization and Stability被引用 4

一句话总结

本综述论文评估了人工神经网络（ANN）在现代电力系统暂态稳定评估（TSA）中的应用，应对高比例可再生能源接入和系统不确定性带来的挑战。本文综合了现有基于ANN的TSA方法研究，突出显示了网络架构、训练策略及性能指标，为机器学习在电力系统安全与稳定领域的进一步发展提供了全面基础。

ABSTRACT

Integration of large-scale renewable energy sources and increasing uncertainty has drastically changed the dynamics of power system and has consequently brought various challenges. Rapid transient stability assessment of modern power system is a vital requirement for accurate power system planning and operation. The conventional methods are unable to fulfil this requirement. Therefore, novel approaches are required in this regard. Machine leaning approaches such as artificial neural network can play a significant role in this regard. Therefore, this paper aims to review the application of artificial neural network for transient stability assessment of power systems. It is believed that this work will provide a solid foundation for researchers in the domain of machine learning applications to power system security and stability.

研究动机与目标

• 应对由于高比例可再生能源接入和系统不确定性导致的现代电力系统中暂态稳定评估日益增长的挑战。
• 识别传统暂态稳定评估方法在实时应用中的局限性。
• 回顾并综合人工神经网络（ANN）在暂态稳定评估中应用的最新进展。
• 为探索机器学习在电力系统安全与稳定性研究中的研究人员提供结构化基础。
• 突出显示TSA研究中使用的关键ANN架构、数据预处理技术及性能评估指标。

提出的方法

• 系统性地回顾2000年至2022年期间关于基于ANN的暂态稳定评估的同行评审文献。
• 根据架构（如前馈网络、循环网络、深度神经网络）对ANN模型进行分类。
• 分析输入特征选择方法，包括电力系统状态变量和故障后系统轨迹。
• 评估训练技术，如反向传播、优化算法及数据增强策略。
• 比较不同研究中使用的性能指标，包括准确率、计算速度和泛化能力。
• 讨论模型可解释性、对未见故障方式的鲁棒性以及基于PMU数据的实时部署限制等挑战。

实验结果

研究问题

• RQ1 在现代电力系统中，哪些人工神经网络架构在暂态稳定评估中最为有效？
• RQ2 不同的输入特征集和数据预处理技术如何影响ANN在TSA中的性能？
• RQ3 用于评估基于ANN的TSA方法的关键性能指标有哪些？与传统方法相比有何差异？
• RQ4 在实际电力系统中实现实时暂态稳定评估时，部署ANN面临的主要挑战是什么？
• RQ5 深度学习和迁移学习的最新进展如何提升基于ANN的TSA在准确性和鲁棒性方面的表现？

主要发现

• 前馈网络和深度前馈神经网络由于其结构简单且准确率高，是暂态稳定评估中最广泛使用的架构。
• 基于ANN的方法在多个基准系统中实现了超过95%的分类准确率，包括IEEE 39-bus和IEEE 118-bus系统。
• 循环神经网络（RNN）和长短期记忆（LSTM）网络在捕捉故障引发的系统轨迹时间动态方面表现出更优性能。
• 数据预处理技术如归一化和特征选择显著提升了模型泛化能力并减少了过拟合。
• 尽管准确率较高，模型可解释性、对未见故障方式的鲁棒性以及在PMU数据上的实时部署仍存在挑战。
• 本综述识别出基于ANN的TSA模型在标准化基准测试和跨系统验证方面存在研究空白，呼吁建立统一的评估协议。