本发明公开了一种基于机器学习的新能源电网连锁故障预测方法及存储介质,包括:基于历史连锁故障实测数据、仿真模拟数据,构建高占比新能源电网连锁故障数据库;基于连锁故障数据库,从宏观、中尺度、微观三个层次提取能够表征复杂网络拓扑特征与系统运行状态的特征指标;分析所提取的特征指标与系统连锁故障运行状态之间的相关性,选取具有强相关性的特征指标构成复杂网络连锁故障特征指标集;基于长短期记忆神经网络,学习历史连锁故障过程中复杂网络连锁故障特征指标与系统运行状态间的映射关系,构建高占比新能源电网连锁故障预测模型。该方法能够对高占比新能源电网连锁故障进行准确、快速的预测,有利于有效防控高比例新能源形态下复杂结构电力系统的连锁故障,提升电网的安全稳定运行能力。
声明:
“基于机器学习的新能源电网连锁故障预测方法及存储介质” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)