طريقة تمثيل المجال الأمني لأنظمة الطاقة الكهربائية بدمج تحسين التوزيع المتين والتعلم العميق بواسطة Transformer
Abstract
تواجه أنظمة الطاقة الكهربائية تحديات خطيرة في التشغيل الآمن بسبب عدم اليقين في الطاقة المتجددة والتحميل، مما يستدعي وجود طريقة فعالة لتمثيل المجال الأمني عالي الأبعاد. للتغلب على المشكلات الحالية مثل كارثة الأبعاد، وعدم كفاية النظر في عدم اليقين أو التحفظ المفرط، تم اقتراح طريقة لتمثيل المجال الأمني تدمج بين تحسين التوزيع المتين والتعلم العميق. أولاً، لتجنب التحفظ المفرط مع مراعاة معقولة لعدم اليقين، تم بناء استراتيجية بحث نشطة قائمة على تحسين التوزيع المتين لتحديد نقاط الحدود الحرجة؛ حيث دمجت بين سيناريوهات الطاقة المتجددة التي تم إنشاؤها بناءً على نموذج الانتشار، و عينات انحراف الحمل القائمة على منحنيات الحمل النموذجية، لتشكيل مجموعة ضبابية احتمالية متينة. بعد ذلك، تم تصميم نموذج قائم على Transformer، يستخدم هذه النقاط الحدية لتعلم وإعادة بناء المجال الأمني عالي الأبعاد الكامل. آلية الانتباه الذاتي للنموذج قادرة على التقاط التبعيات غير الخطية العالمية بين الأبعاد المختلفة، مما يحقق ملاءمة عالية الدقة والكفاءة لحدود المجال الأمني. أظهرت النتائج المحاكاة على نظام اختبار IEEE أن الطريقة المقترحة يمكنها تمثيل المجال الأمني عالي الأبعاد بدقة بتكلفة حسابية منخفضة، وتحقيق مجال أمان متين بالنسبة لعدم اليقين في المصدر والتحميل. توفر هذه الدراسة نموذج بحث جديد لتقييم السلامة ودعم اتخاذ القرار في أنظمة الطاقة في ظل ظروف عدم اليقين العالية.
Keywords
المجال الأمني;تحسين التوزيع المتين;التعلم العميق;نموذج Transformer;قيادة البيانات
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website