基于物理信息神经网络的热网动态状态估计方法
在城市综合能源系统中,热网状态估计针对慢动态系统,存在计算精度低、参数不准确、量测不完备的特点.基于物理信息神经网络(PINNs),将含偏微分方程约束的热网动态状态估计问题转化为自动满足偏微分方程约束的神经网络训练问题,并基于损失函数对参数的梯度下降完成热网参数的在线辨识;再将其应用于滚动时间窗中进行在线训练,实现了状态量的动态追踪;进一步基于PINNs对未来时间窗的预测能力提出了一种新的坏数据辨识方法;最后在5节点和27节点热网算例中验证了所提方法的有效性.
状态估计、热动态、物理信息神经网络、模型-数据驱动
43
TM73(输配电工程、电力网及电力系统)
2023-10-23(万方平台首次上网日期,不代表论文的发表时间)
共10页
69-78