基于物理信息神经网络的同步发电机建模

摘要

采用物理机理建立的同步发电机模型在表达发电机真实的非线性特性方面存在不足，电力系统正在不断研究和采纳新的同步发电机模型以增强模型的准确性。数据驱动模型具有更强的非线性表达能力，但在同步发电机建模实际应用中面临着模型泛化性不强和所需数据量大等问题。为克服上述问题，该文结合神经元建模原理，以循环神经网络为基本框架，在同步发电机物理机理的引导下，提出了基于物理信息神经网络的同步发电机模型。经过算例验证，所提模型可准确表达同步发电机磁饱和特性，并且具有较强的泛化性。该模型可在小规模数据下对同步发电机各阶模型达到更高的拟合准确度，并可应用于现有机电暂态仿真算法。

杨珂

博士研究生

浙江大学电气工程学院博士研究生，主要研究方向包括：电力系统元件建模、机器学习、电力系统暂态仿真。

王鑫

博士研究生

浙江大学电气工程学院博士研究生，主要研究方向包括：电力系统元件建模、机器学习、电力系统暂态仿真。

凌佳杰

博士研究生

IEEE 学生会员，研究方向为量子计算与量子信息、电力系统机组组合优化、量子机器学习。

耿光超

副教授 | 博士生导师

耿光超，工学博士，浙江大学电气工程学院副教授、博士生导师，电机工程学系副主任，电力系统自动化所副所长，电气工程学院特聘助理，IEEE高级会员。

江全元

教授 | 博士生导师

江全元，博士、浙江大学电气工程学院教授，博士生导师，浙江省重点实验室（海洋可再生能源电气装备与系统技术研究实验室）副主任，中国电工技术学会电力系统控制与保护专业委员会委员。