基于深度神经网络的电压暂降经济损失评估模型
为进一步简化电压暂降经济损失评估流程、提高经济损失预测的适用性和准确度,提出了一种基于深度神经网络(DNN)的电压暂降经济损失评估模型.首先分析了影响电压暂降经济损失的特征因子,分别从电压暂降故障信息、工业过程信息、敏感设备信息和用户基本信息中提取19维特征向量作为DNN预测模型的输入向量,将经济损失结果作为输出,并基于Tensorflow深度学习架构对DNN预测模型进行训练.在此基础上,提出2种数据增强的策略,有效解决了电压暂降样本数据少的窘境,并通过构建4种DNN架构,对比了不同随机失活概率、神经元数量、架构深度对经济损失预测准确度的影响.训练后的DNN模型可以准确提取特征,快速实现收敛并对经济损失进行合理预测.最后,基于我国某大型电子工业企业的电压暂降实际采样数据,对DNN模型进行了训练和性能评估,结果表明了所提方法的有效性.
电压暂降、经济损失、深度神经网络、随机失活层、数据增强
40
TM761(输配电工程、电力网及电力系统)
国家自然科学基金资助项目51807126
2020-06-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
156-162