检索结果-南通市图书馆

Bayesian Deep Learning for Dynamic power System State Prediction Considering Renewable Energy Uncertainty

Journal of Modern power Systems and Clean Energy 2022年第4期10卷 913-922页

作者： Shiyao Zhang James J.Q.Yu Academy for Advanced Interdisciplinary Studies Southern University of Science and TechnologyShenzhen 518055China Department of Computer Science and Engineering Southern University of Science and TechnologyShenzhen 518055China

Modern power systems are incorporated with distributed energy sources to be environmental-friendly and costeffective.However,due to the uncertainties of the system integrated with renewable energy sources,effective strategies need to be adopted to stabilize the entire power systems.Hence,the system operators need accurate prediction tools to forecast the dynamic system states effectively.In this paper,we propose a Bayesian deep learning approach to predict the dynamic system state in a general power system.First,the input system dataset with multiple system features requires the data pre-processing stage.Second,we obtain the dynamic state matrix of a general power system through the Newton-Raphson power flow model.Third,by incorporating the state matrix with the system features,we propose a Bayesian long short-term memory(BLSTM)network to predict the dynamic system state variables accurately.Simulation results show that the accurate prediction can be achieved at different scales of power systems through the proposed Bayesian deep learning approach.

关键词： Bayesian deep learning data analytics newtonraphson power flow renewable energy source system state

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：