基于改进卷积神经网络拓扑特征挖掘的配电网结构坚强性评估方法

被引:34
作者
林君豪 [1 ]
张焰 [1 ]
赵腾 [2 ]
苏运 [3 ]
机构
[1] 上海交通大学电气工程系
[2] 全球能源互联网发展合作组织
[3] 国网上海市电力公司
关键词
配电网结构坚强性; 分布式电源; 卷积神经网络; 空间金字塔池化; 多卷积通道融合;
D O I
10.13334/j.0258-8013.pcsee.181465
中图分类号
TM727 [电力网];
学科分类号
摘要
提出一种基于拓扑特征分析和深度卷积神经网络的配电网网架结构坚强性评估方法。将考虑分布式电源出力不确定性的配电网运行状态与配电网拓扑特性相结合,构建涵盖可靠性、运行裕度和结构鲁棒性3个配电网结构坚强性要点的拓扑指标集,提升评估指标刻画配电网实际状态的能力;通过多通道融合和多级池化改进卷积神经网络,解决了传统方法无法自主挖掘评估指标数据特征,以及难以直接分析不同维度的评价指标和同一指标不同尺寸的数据这两方面问题。通过对华东地区某中压配电网进行算例分析,说明所提出的评估方法的有效性和优越性。
引用
收藏
页码:84 / 96+323 +323
页数:14
相关论文
共 22 条
[1]  
配电网运行过程坚强度评估研究.[D].杜瑞明.西南交通大学.2015, 01
[2]  
配电网网架结构的坚强性评估.[D].何秋泠.西南交通大学.2014, 09
[3]  
配电网网架坚强度评估研究.[D].李宏达.西南交通大学.2013, 12
[4]  
基于KNN的中文文本分类算法研究.[D].刘慧.西南交通大学.2010, 10
[5]   风电和光伏随机场景生成的条件变分自动编码器方法 [J].
王守相 ;
陈海文 ;
李小平 ;
舒欣 .
电网技术, 2018, 42 (06) :1860-1869
[6]   基于深度学习的绝缘开关图像分类(英文) [J].
阚博文 ;
Andrew Cui ;
朱文东 ;
刘广一 .
电力信息与通信技术, 2018, 16 (03) :8-15
[7]   基于深度强化学习的电网紧急控制策略研究 [J].
刘威 ;
张东霞 ;
王新迎 ;
侯金秀 ;
刘丽平 .
中国电机工程学报, 2018, 38 (01) :109-119+347
[8]   基于强泛化卷积神经网络的输电线路图像覆冰厚度辨识 [J].
林刚 ;
王波 ;
彭辉 ;
陈思远 ;
方必武 ;
孙勇 .
中国电机工程学报, 2018, 38 (11) :3393-3401
[9]   基于栈式降噪自编码器的输变电设备状态数据清洗方法 [J].
代杰杰 ;
宋辉 ;
杨祎 ;
陈玉峰 ;
盛戈皞 ;
江秀臣 .
电力系统自动化, 2017, 41 (12) :224-230
[10]   基于PageRank改进算法的电网脆弱线路快速辨识(二):影响因素分析 [J].
马志远 ;
刘锋 ;
沈沉 ;
张军 ;
高峰 .
中国电机工程学报, 2017, 37 (01) :36-45