适用于电网异常负荷动态判别的CNN阈值模型

摘要：

为提高在负荷波动性较大场景下对异常负荷判别的适应性,提出一种适用于电网异常负荷动态判别的卷积神经网络阈值模型.利用时序历史负荷数据训练卷积神经网络模型进行负荷预测,并根据预测负荷值计算电网未来的状态变量数据,通过该状态变量数据源矩阵的构造,依次构建其窗口矩阵、标准矩阵以及样本协方差矩阵,进而设定基于样本协方差矩阵最大特征值的动态阈值,利用该阈值对当前时刻的最大特征值进行越限判定,实现对电网异常负荷的动态判别.借助Matlab R2014a和PST软件工具,在IEEE50机145母线标准系统中进行仿真测试,结果表明,与传统阈值模型相比,该阈值模型在动态电网中对MESCM指标的异常判定适应性更强、准确性更高.

关键词：卷积神经网络、动态阈值、负荷预测、样本协方差矩阵、最大特征值、异常负荷动态判别

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;贵州省普通高等学校科技拔尖人才支持计划;贵州省科学技术基金

在线出版日期：2020-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：308-313