文献知网节
  • 记笔记
摘要:随着我国可再生能源入网比例的逐渐增加,电网的随机性、波动性增大,电网拓扑结构日益复杂,这些因素使电网的安全稳定运行面临巨大的挑战。因此,对电力系统的运行状态进行实时监测、分析和控制就显得愈发关键和紧迫。融合电力系统中的向量测量单元(phasor measurement unit,PMU)和远程终端单元(remote terminal unit,RTU)数据,利用粒子滤波和卷积神经网络,提出离线学习和在线状态估计的电网状态估计方法。离线学习部分,先利用历史RTU/PMU量测融合数据,分析系统注入功率的概率分布,再通过粒子滤波算法,利用蒙特卡洛采样,生成训练样本训练卷积神经网络;在线状态估计部分,将实时PMU量测数据预处理后,注入从离线学习部分训练获得的神经网络,完成对电力系统的实时状态估计。仿真结果表明,相比常用的最小二乘算法,所提方法在状态估计的精度和鲁棒性方面都有所改善,并有望在电力系统实时状态估计中发挥作用。
  • DOI:

    10.13335/j.1000-3673.pst.2020.0790

  • 专辑:

    理工C(机电航空交通水利建筑能源); 电子技术及信息科学

  • 专题:

    电力工业; 自动化技术

  • 分类号:

    TM73;TP183

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:173 页码:3361-3367 页数:7 大小:347K

相关推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者
  • 相关视频