数据与知识联合驱动方法在电力系统中的应用

**章 绪论 1.1 数据驱动方法与知识驱动方法特点分析 1.1.1 数据驱动方法 1.1.2 知识驱动方法 1.1.3 数据与知识驱动方法的区别与联系 1.1.4 电力系统中数据与知识驱动方法联合的必要性 1.2 本书结构 1.3 参考文献 第二章 数据驱动方法在电力系统中的应用——以暂态分析为例 2.1 数据驱动方法对电力系统相关应用的适应性 2.2 数据驱动方法应用于电力系统暂态分析现状 2.2.1 数据获取 2.2.2 样本生成 2.2.3 算法应用 2.3 数据驱动方法应用于电力系统暂态分析的探讨 2.3.1 数据稀缺与电力系统时变性问题 2.3.2 特征提取主观性和不完全问题 2.3.3 AI暂态预测模型可解释性问题 2.4 参考文献 第三章 数据与知识联合驱动方法的应用及其典型模式 3.1 数据与知识驱动方法研究应用现状 3.1.1 数据与知识驱动方法的上层联合 3.1.2 数据与知识驱动方法的底层联合 3.2 数据与知识驱动方法的典型联合模式探讨 3.2.1 并行模式 3.2.2 串行模式 3.2.3 引导模式 3.2.4 反馈模式 3.3 数据与知识联合驱动并行模式性能分析 3.3.1 并行模式融合模型定义与适用性条件 3.3.2 联合驱动模型与知识模型误差对比分析 3.3.3 联合驱动模型与数据模型误差对比分析 3.3.4 数据与知识联合驱动模型性能仿真分析 3.4 本章小结 3.5 参考文献 第四章 数据与知识联合驱动在模型参数辨识中的应用 4.1 直流输电系统机电暂态仿真模型 4.2 基于深度强化学习的电网仿真模型参数在线修正框架 4.3 基于DDPG的直流输电模型参数在线修正方法 4.3.1 DDPG算法基本原理 4.3.2 面向直流输电模型参数修正的DDPG算法设计 4.4 直流输电模型参数修正效果分析 4.5 本章小结 4.6 参考文献 第五章 数据与知识联合驱动在状态估计中的应用 5.1 数据与知识联合驱动的电力系统状态估计 5.1.1 状态估计数学描述 5.1.2 数据-知识联合驱动的电力系统状态估计 5.2 数据与知识联合驱动的电力系统状态估计方法 5.2.1 基于直流潮流的状态估计 5.2.2 基于图深度学习的状态估计 5.2.3 基于数据-知识联合驱动的状态估计实施方案 5.3 算例分析 5.3.1 样本集的构造 5.3.2 数据驱动模型的结构 5.3.3 模型精度比较 5.3.4 模型抗差能力分析 5.3.5 模型适应性分析 5.3.6 模型时效性分析 5.4 本章小结 5.5 参考文献 第六章 数据与知识联合驱动在频率动态特征分析中的应用 6.1 电力系统频率响应模型方法性能分析及改进 6.1.1 频率态势预测的物理简化模型 6.1.2 基于机器学习方法的系统频率响应校正模型 6.2 知识驱动-数据融合的电网暂态频率在线预测模型 6.2.1 系统频率响应模型参数配置 6.2.2 不平衡功率在线计算 6.2.3 机器学习方法配置 6.2.4 在线应用实施方案 6.3 电网暂态频率预测效果分析 6.3.1 样本生成及评价方法 6.3.2 结果分析 6.4 本章小结 6.5 参考文献 第七章 数据与知识联合驱动在功角稳定性预测中的应用 7.1 基于轨迹拟合和极限学习机的暂态稳定评估方法 7.1.1 多机系统的数学模型 7.1.2 基于轨迹拟合的电网暂态功角稳定性预测方法 7.1.3 基于ELM的电网暂态功角稳定性预测方法 7.2 基于全局和就地信息的电网暂态稳定性并行预测方法 7.2.1 电网暂态稳定预测的并行模型 7.2.2 电网暂态稳定性并行预测方法的实施流程 7.3 电网暂态稳定性评估效果分析 7.3.1 样本生成方法 7.3.2 基于轨迹拟合的暂态稳定预测方法实施效果 7.3.3 基于ELM的暂态稳定预测方法实施效果 7.3.4 并行预测方法的实施效果 7.3.5 在线实施效果分析 7.4 本章小结 7.5 参考文献 第八章 数据与知识联合驱动在功角稳定裕度分析中的应用 8.1 考虑样本迁移的电网临界切除时间预测框架 8.1.1 基于压缩-匹配策略的样本迁移方法 8.1.2 基于预测-校正框架的临界切除时间预测方法 8.2 基于IEEAC和改进ELM的临界切除时间预测方法 8.2.1 集成扩展等面积准则(IEEAC) 8.2.2 基于遗传算法的集成ELM模型 8.2.3 临界切除时间预测方法具体实施方案 8.3 结果分析 8.3.1 正常运行方式下临界切除时间方法性能分析 8.3.2 运行方式变化时临界切除时间方法性能分析 8.4 本章小结 8.5 参考文献 第九章 数据与知识联合驱动在对抗攻击防御中的应用 9.1 基于生成对抗网络的漏洞挖掘方法 9.1.1 控制策略在对抗攻击下的鲁棒性量化评估指标 9.1.2 控制策略中的漏洞挖掘方法 9.2 基于数据-知识联合的对抗攻击防御方法 9.2.1 数据-知识融合模型 9.2.2 融合模型的防御能力分析 9.2.3 融合模型训练方法 9.3 数据-知识融合方法的防御效果 9.4 本章小结 9.5 参考文献