基于宽度学习的风光容量配置研究

被引:8
作者
尹忠东
涂菁菁
徐永海
机构
[1] 华北电力大学电气与电子工程学院
基金
国家重点研发计划;
关键词
风光发电; 宽度学习; 均方根误差; 容量配置;
D O I
暂无
中图分类号
TM61 [各种发电];
学科分类号
080802 [电力系统及其自动化];
摘要
针对风光发电的大量接入,将引起配电网规划与运行特征的根本性改变问题,提出一种基于宽度学习的风光容量配置方法。利用网络节点电压、风光电源出力等数据对宽度学习容量配置模型进行训练,模型精度和结果的合理性采用均方根误差和电压稳定性评价指标进行评估。以IEEE 33节点系统作为算例进行仿真,给出了满足总投资成本和网络有功损耗最小的容量配置结果,并与支持向量机、核极限学习机进行对比分析,验证了所提模型和方法的可行性和有效性。
引用
收藏
页码:45 / 50
页数:6
相关论文
共 6 条
[1]
Data-intensive applications; challenges; techniques and technologies: A survey on Big Data.[J].C.L. Philip Chen;Chun-Yang Zhang.Information Sciences.2014,
[2]
基于最小p-范数的宽度学习系统 [J].
郑云飞 ;
陈霸东 .
模式识别与人工智能, 2019, 32 (01) :51-57
[3]
基于小波神经网络与KNN机器学习算法的六相永磁同步电机故障态势感知方法 [J].
张昊宇 ;
姚钢 ;
殷志柱 ;
周荔丹 .
电测与仪表 , 2019, (02) :1-9
[4]
人工智能视域下的宽度学习及在教育中的应用 [J].
袁利平 ;
陈川南 .
远程教育杂志, 2018, 36 (04) :49-56
[5]
孤岛微网多场景机会约束动态调度 [J].
汤泽琦 ;
吕智林 .
电测与仪表, 2018, 55 (12) :66-73
[6]
基于宽度学习方法的多模态信息融合 [J].
贾晨 ;
刘华平 ;
续欣莹 ;
孙富春 .
智能系统学报, 2019, 14 (01) :150-157