返回列表 发布新帖

基于特征线性调制深度学习网络的馈线负荷构成特征识别

6 0
admin 发表于 2024-12-14 11:48 | 查看全部 阅读模式

文档名:基于特征线性调制深度学习网络的馈线负荷构成特征识别
摘要:随着电网规模越来越大,结构越来越复杂,供电可靠性的要求越来越高,通过现场试验的方式获取电力负荷的动态特性变得十分困难.提出了基于统计综合法的思想,运用电力系统仿真软件,通过仿真计算的方式得出对应电力负荷的动态特性.为了获得馈线负荷构成比例识别所需的负荷数据库,建立了包含变频空调负荷、分布式光伏负荷、感应电机负荷以及静态负荷的电网模型,通过设置电压跌落,得到不同负荷情况馈线功率数据,建立馈线负荷数据库,运用基于特征线性调制的改进深度学习网络的方法挖掘负荷节点或馈线功率变化的特征,并对负荷构成进行识别.结果经过训练后,与传统BP神经网络进行对比,识别准确率达到99%以上,部分负荷可以达到99.6%以上,有着较高的识别准确度.

Abstract:Withtheincreasingscaleofpowergrid,thestructureismoreandmorecomplex,andtherequirementofpowersupplyreliabilityishigherandhigher,itisverydifficulttoobtainthedynamiccharacteristicsofpowerloadthroughfieldtest.Basedontheideaofstatisticalsynthesismethod,thispaperusesthepowersystemsimulationsoftwaretoobtainthedynamiccharacteristicsofthecorrespondingpowerloadthroughsimulationcalculation.Inordertoobtaintheloaddatabaserequiredfortheidentificationoffeederloadcompositionproportion,thepowergridmodelincludingvariablefrequencyairconditioningload,distributedphotovoltaicload,inductionmotorloadandstaticloadisestablishedasshowninthefigure.Bysettingvoltagedrop,thefeederpowerdataunderdifferentloadconditionsareobtained,andthefeederloaddatabaseisestablished,Theimproveddeeplearningnetworkmethodbasedonfeaturelinearmodulationisusedtominethecharacteristicsofloadnodeorfeederpowerchange,andidentifytheloadcomposition.Followingtraining,theresultswerecomparedtothoseofthetraditionalBPneuralnetwork,revealingarecognitionaccuracysurpassing99%.Additionally,certainloadsexhibitedaccuracyexceeding99.6%,thusindicatingasignificantlyelevatedlevelofrecognitionprecision.

作者:安树怀   刘一鸿   李锴绩   王琦   赵兵   康忠健 Author:ANShuhuai   LIUYihong   LIKaiji   WANGQi   ZHAOBing   KANGZhongjian
作者单位:国网山东电力公司青岛供电公司,山东青岛266001中国石油大学(华东)石大山能新能源学院,山东青岛266580国网山东电力公司淄博供电公司,山东淄博255000国网中国电力科学研究院有限公司,北京100192
刊名:电气应用
Journal:ElectrotechnicalApplication
年,卷(期):2024, 43(4)
分类号:
关键词:参数识别  馈线负荷构成识别  深度学习网络  特征线性调制  
Keywords:parameteridentification  identificationoffeederloadcomposition  deeplearningnetwork  feature-wiselinearmodulation  
机标分类号:TP391.41TM728.2D924.11
在线出版日期:2024年6月11日
基金项目:国家自然科学基金,国家电网有限公司总部科技项目基于特征线性调制深度学习网络的馈线负荷构成特征识别[
期刊论文]  电气应用--2024, 43(4)安树怀  刘一鸿  李锴绩  王琦  赵兵  康忠健随着电网规模越来越大,结构越来越复杂,供电可靠性的要求越来越高,通过现场试验的方式获取电力负荷的动态特性变得十分困难.提出了基于统计综合法的思想,运用电力系统仿真软件,通过仿真计算的方式得出对应电力负荷的动态...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        基于特征线性调制深度学习网络的馈线负荷构成特征识别  Feature recognition of feeder load composition based on deep learning network based on feature linear modulation

基于特征线性调制深度学习网络的馈线负荷构成特征识别.pdf
2024-12-14 11:48 上传
文件大小:
1.19 MB
下载次数:
60
高速下载
【温馨提示】 您好!以下是下载说明,请您仔细阅读:
1、推荐使用360安全浏览器访问本站,选择您所需的PDF文档,点击页面下方“本地下载”按钮。
2、耐心等待两秒钟,系统将自动开始下载,本站文件均为高速下载。
3、下载完成后,请查看您浏览器的下载文件夹,找到对应的PDF文件。
4、使用PDF阅读器打开文档,开始阅读学习。
5、使用过程中遇到问题,请联系QQ客服。

本站提供的所有PDF文档、软件、资料等均为网友上传或网络收集,仅供学习和研究使用,不得用于任何商业用途。
本站尊重知识产权,若本站内容侵犯了您的权益,请及时通知我们,我们将尽快予以删除。
  • 手机访问
    微信扫一扫
  • 联系QQ客服
    QQ扫一扫
2022-2025 新资汇 - 参考资料免费下载网站 最近更新浙ICP备2024084428号
关灯 返回顶部
快速回复 返回顶部 返回列表