基于循环神经网络的配电网非线性负荷建模

摘要：

大量非线性负荷接入配电网导致电能质量问题日益严重,非线性负荷建模的精确性在一定程度上影响配电网谐波潮流计算和电能质量分析.考虑到非线性负荷在复杂运行条件下难以采用机理动态模型描述,以及基于预测方法的建模难以避免误差,构建双层循环神经网络模型,包含循环神经网络的初步功率预测层和误差修正层,初步功率预测层根据负荷功率和电压等训练样本,预测得到下一时刻的负荷功率;误差修正层根据前一层初步预测功率与量测功率的偏差,对下一时刻预测功率进行反馈修正.电压波动在一定程度上影响负荷功率变化,采用STL算法对电压进行时序分解,通过设置残差分量阈值来判断是否激活误差修正层.算例验证表明,所提建模方法较好地实现非线性负荷的拟合,同时能够避免电压波动较大时的建模精度下降.

关键词：配电网;电能质量;非线性负荷;循环神经网络;长短期记忆

所属期刊栏目：38

分类号：TM744(输配电工程、电力网及电力系统)

资助基金：南方电网公司科技项目090000KK52190169/SZKJXM2019669

在线出版日期：2022-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：53-60