简介:摘要:电气继电保护技术在电力系统中扮演着至关重要的角色。然而,传统的继电保护技术存在一些问题,如准确性和效率方面的局限性。深度学习技术的出现为故障预测与诊断带来了新的机遇,其在数据处理和模型训练方面具有独特优势。本文提出了基于深度学习的电气继电保护故障预测方法,通过数据准备、特征提取和模型设计,实现了更精准的故障预测与诊断。未来,深度学习在电气继电保护领域的发展将面临挑战,但也将带来更多的技术创新与应用前景。
简介:摘要:目前,我国电力系统已安装了大批以同步相量测量装置(PMU)为代表的高精度量测装置,可实现对电网运行状态的精确实时感知。同时,PMU主站存储了电网大量历史运行数据,为基于数据驱动的人工智能方法提供了数据支撑。人工智能技术中的深度学习是完全的数据驱动模型,以神经网络为代表的深度学习技术大幅提升了对数据的理解和学习能力,能够充分利用海量系统运行数据进行模型训练,避免了传统解析模型构建的局限。已有学者将深度学习应用于电力系统扰动后的频率预测与稳定控制,本论文从新能源电力系统频率特性、新能源电力系统扰动后频率预测与新能源电力系统频率控制三个方面展开综述。