深度学习辅助的区域交直流配电网区间状态估计
针对区域交直流混合配电网中实时量测覆盖率低、量测误差分布具有不确定性的问题,提出了基于深度神经网络(DNN)伪量测建模的交直流配电网区间状态估计方法.该方法首先对DNN进行离线训练,然后将实时量测数据和电压源换流器控制的变量值作为DNN的输入特征,建立伪量测模型;接着,在实时量测更新时,利用已训练好的DNN快速生成伪量测;最后,对伪量测和实时量测的不确定性采用区间形式建模并进行区间状态估计,进而准确监测交直流系统状态.算例仿真结果表明,所提方法能够避免对量测误差的概率分布进行假设,并且能够在低冗余量测配置或量测缺失时,准确获得交直流配电网状态变量的上下界信息.
交直流配电网;区间状态估计;深度神经网络;伪量测;不确定性
46
TM721.1;TP391.41;TP183
国家自然科学基金;中央高校基本科研业务费专项资金资助项目
2022-01-13(万方平台首次上网日期,不代表论文的发表时间)
共9页
101-109