咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于CNN-LSTM-Attention的配电网拓扑实时辨识... 收藏

基于CNN-LSTM-Attention的配电网拓扑实时辨识方法

A real-time topology identification method of distribution networks based on CNN-LSTM-Attention

作     者:凌佳凯 章逸舟 胡金峰 秦军 戴健 费有蝶 朱振 LING Jiakai;ZHANG Yizhou;HU Jinfeng;QIN Jun;DAI Jian;FEI Youdie;ZHU Zhen

作者机构:国网江苏省电力有限公司无锡供电分公司江苏无锡214061 河海大学电气与动力工程学院南京211100 

出 版 物:《浙江电力》 (Zhejiang Electric Power)

年 卷 期:2024年第43卷第3期

页      面:84-94页

学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:国网江苏省电力有限公司科技项目(J2021026) 

主  题:配电网 拓扑辨识 卷积神经网络 长短期记忆网络 注意力机制 

摘      要:配电网中准确的拓扑结构辨识对运行和控制具有重要意义,针对实际配电网拓扑结构变动的情况,搭建了可智能辨识配电网拓扑结构的深度学习模型。首先,生成不同拓扑结构下的配电网量测数据并进行数据预处理。其次,构建了融合CNN(卷积神经网络)、LSTM(长短期记忆网络)和Attention(注意力机制)的拓扑结构智能辨识模型,并结合历史量测数据对模型训练并测试。最后,在IEEE 33节点和PG&E69节点配电系统仿真算例中,验证了该基于CNN-LSTM-Attention模型的拓扑辨识方法相较于传统辨识方法在辨识精度上的优越性,实现了该模型的在线应用。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分