基于深度神经网络-近似线性网络混合模型的电力系统状态估计方法

摘要：

为提高电力系统实时状态估计的精度和计算效率,解决电网电压波动频发、潮流分布的不确定性剧增等问题,通过提出一种基于深度神经网络和近似线性网络模型的电力系统状态估计方法,研究了其在电网的应用.该方法将混合系统量测数据通过粒子滤波算法得到样本集,利用训练样本训练所提出的混合神经网络模型,最后将测试样本输入已建立的模型中获得系统状态的估计结果.通过IEEE118节点系统进行的负载数据仿真实验表明:基于混合神经网络模型的电力系统状态估计方法不仅能快速进行海量数据训练,还能有效避免过拟合;在实时状态估计的精度和计算效率方面,相较于高斯-牛顿法均有提高.可见所提方法在电力系统实时状态估计方面具有一定的应用价值.

关键词：粒子滤波、状态估计、深度神经网络、近似线性网络

所属期刊栏目：22

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金51767023

在线出版日期：2022-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：11041-11048