一种基于深度学习的电网非均衡惯量辨识方法

本发明公开了一种基于深度学习的电网非均衡惯量辨识方法，属于电力系统运行态势感知领域，包括步骤：S1，数据采集与预处理；S2，特征辨识与数据集构建；S3，基于双向长短期记忆神经网络构建非均衡惯量辨识模型；S4，辨识效果评估与模型结构优化；S5，非均衡惯量在线检测与惯量分布可视化。本发明充分利用深度学习模型在序列数据处理中的优势，有效降低了电网结构和运行方式变化对惯量辨识结果的影响。此外，该方法数据获取难度较低，可操作性强，能够准确、高效地实现对电网非均衡惯量的辨识，有助于识别出由于设备故障、干扰等原因导致的异常数据点，为电网的运行调度和控制提供可靠的决策依据，有力保障电力系统的安全稳定运行。