基于改进的Transformer神经网络辅助的两阶段机组组合决策方法

• Published in: 电力自动化设备 Vol. 43; no. 3; pp. 172 - 179
• Main Authors: 武新章, 赵子巍, 代伟, 谢代钰, 郭苏杭, 王泽宇, 张冬冬
• Format: Journal Article
• Language: Chinese
• Published: 广西大学 电气工程学院,广西 南宁 530004%广西电网电力调度控制中心,广西 南宁 530023 01.03.2023
• Subjects: Transformer神经网络; 特征构造; 数据驱动; 机组组合; 深度学习
• ISSN: 1006-6047
• DOI: 10.16081/j.epae.202209014

TM73; 为了解决大规模电力系统机组组合的"维数灾"问题,提出基于Transformer神经网络的两阶段机组组合决策方法,该方法兼顾求解精度与速度.在第一阶段,考虑机组组合时段耦合的特性,提出基于多头注意力机制的特征向量构建方法,进而基于Transformer神经网络的全局视野与并行化优势,提出一种改进的Transformer神经网络来预辨识机组启停值.在第二阶段,基于预辨识的机组状态设计置信度阈值,并将机组启停判定可信度定义为启停可信与启停不可信状态,对于启停可信机组的状态进行直接确定,对于启停不可信机组的状态,通过机组组合物理模型进行求解来保证求解的可行性.IEEE 30节点和IEEE 2383节点系统的仿真结果验证了所提方法的有效性.