.png){kind=icon}
返回
Power Plant Model Parameter Calibration Using Conditional Variational Autoencoder
.png){kind=icon}
OA
AI
DOI：10.1109/TPWRS.2021.3107515.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确的电厂模型在维护可靠和安全的电网运行中起着重要作用。在本文中，我们提出了一种基于同步相量测量的发电机参数校准方法，该方法通过一种具有高计算效率的新型深度学习方法。开发了一种基于基本效应的方法来识别非线性系统的关键参数，其性能要比广泛使用的基于轨迹灵敏度的方法好得多。然后，开发了基于同步相量测量的条件变分自动编码器，即使在需要校准18个关键参数的高维情况下，也可以估计参数的后验分布。针对具有非常详细模型的水轮发电机，验证了所提出方法的有效性。结果表明，即使参数真值不支持先验分布，该方法也可以准确有效地估计生成器参数的后验分布。
Keyword:
Generators
Mathematical model
Calibration
Phasor measurement units
Computational modeling
Power system stability
Data models
Conditional variational autoencoders
deep learning
elementary effects
parameter estimation
power system dynamics
synchrophasor measurements
期刊
IF:
7.2
论文数:
1.1W
被引数:
5.0W
