人工智能方法在配用电领域的应用

被引:21
作者
邓欣宇 [1 ]
王守相 [1 ]
郭陆阳 [1 ]
陈海文 [1 ]
赵辉 [2 ]
机构
[1] 天津大学智能电网教育部重点实验室
[2] 国网河北省电力有限公司邢台供电分公司
关键词
人工智能; 深度学习; 故障检测; 负荷预测; 电压控制; 负荷特性分析;
D O I
10.19421/j.cnki.1006-6357.2019.01.001
中图分类号
TM715 [电力系统规划]; TP18 [人工智能理论];
学科分类号
080802 [电力系统及其自动化]; 140502 [人工智能];
摘要
近年来人工智能方法在图像分类、物体检测、自然语言处理等领域取得了突破性进展。在电力行业,特别是配用电领域也涌现了诸多应用人工智能方法的研究成果,这些成果的应用有助于促进配用电的智能化发展,提高配用电系统运行的经济性和可靠性。文章回顾了近期人工智能方法在配用电领域应用的热点问题,从配电设备故障诊断、配电负荷和分布式发电预测、配电系统运行优化、负荷特性分析4个热门方向进行归纳总结,希望能为相关研究提供借鉴与参考。
引用
收藏
页码:3 / 9
页数:7
相关论文
共 31 条
[1]
面向海量用户用电数据的集成负荷预测 [J].
杨德昌 ;
赵肖余 ;
何绍文 ;
杜松怀 ;
苏娟 ;
巨云涛 .
电网技术, 2018, 42 (09) :2923-2929
[2]
基于风-浪和灰色模型的波浪能发电系统输出功率短期预测 [J].
周能萍 ;
吴峰 .
电力自动化设备, 2018, 38 (05) :58-63
[3]
基于贝叶斯正则化深度信念网络的电力变压器故障诊断方法 [J].
王德文 ;
雷倩 .
电力自动化设备, 2018, 38 (05) :129-135
[4]
基于季节调整和BP神经网络的月度负荷预测 [J].
龙勇 ;
苏振宇 ;
汪於 .
系统工程理论与实践, 2018, 38 (04) :1052-1060
[5]
基于深度信念网络的短期负荷预测方法 [J].
孔祥玉 ;
郑锋 ;
鄂志君 ;
曹旌 ;
王鑫 .
电力系统自动化, 2018, 42 (05) :133-139
[6]
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
[7]
微电网光伏发电的Adaboost天气聚类超短期预测方法 [J].
谭津 ;
邓长虹 ;
杨威 ;
梁宁 ;
李丰君 .
电力系统自动化, 2017, 41 (21) :33-39
[8]
考虑风力发电随机性的超短期风电功率区间预测研究 [J].
陆欣 ;
沈艳霞 ;
陈杰 ;
纪志成 .
太阳能学报, 2017, 38 (05) :1307-1315
[9]
基于遗传优化的非侵入式家居负荷分解方法 [J].
孙毅 ;
崔灿 ;
陆俊 ;
郝建红 ;
刘向军 .
电网技术, 2016, 40 (12) :3912-3917
[10]
基于Hadoop架构的多重分布式BP神经网络的短期负荷预测方法 [J].
苏学能 ;
刘天琪 ;
曹鸿谦 ;
焦慧明 ;
于亚光 ;
何川 ;
沈骥 .
中国电机工程学报, 2017, 37 (17) :4966-4973+5216