基于负荷预测及广义回归神经网络的短路电流超短期预测

被引：31

作者：

潘睿 ^{[1
]}

刘俊勇 ^{[1
]}

倪雅琦 ^{[2
]}

郭晓鸣 ^{[1
]}

韩卫衡 ^{[1
]}

机构：

[1] 四川大学电气信息学院智能电网四川省重点实验室

[2] 四川省电力公司通自中心

来源：

电力系统保护与控制 | 2010年 / 38卷 / 18期

关键词：

超短期短路电流预测; 超短期负荷预测; 智能电网; 广义回归神经网络; 智能调度; 快速仿真建模;

D O I：

暂无

中图分类号：

TM713 [电力系统短路];

学科分类号：

080802 [电力系统及其自动化];

摘要：

针对智能电网中实时状态监测和告警需求,提出一种电网短路电流超短期智能预测的方法。通过节点超短期负荷预测进行电网态势外推,采用基于广义回归神经网络的短路电流辨识方法对短期内的全网母线短路电流水平进行扫描,实现短路电流的超短期智能辨识。该方法为智能电网中超短期智能预测提供了一种快速仿真建模(FSM)的新思路,为智能调度辅助决策提供有力的技术支持。通过IEEE30节点系统验证了该方法的可行性与有效性。

引用

页码：94 / 99

页数：6

共 15 条

[1]

基于改进梯度校正法的短路电流在线实时计算 [J].