基于神经网络的状态估计方法研究

基于神经网络的状态估计方法研究

智能电网建设的快速推进,导致状态估计算法所处理的数据量急剧增加.串行状态估计算法求解速度慢,无法满足电力系统实时分析的要求;而并行状态估计方法需要大规模计算集群的支持,会占据大量的硬件资源并产生高能耗.为解决上述问题,提出一种基于神经网络的状态估计方法.该方法以离线方式搭建并训练神经网络.在状态估计的实际计算中,以神经网络的前向计算代替传统算法中的迭代最小二乘拟合,从而大幅减少状态估计算法的执行时间.由于神经网络的前向计算所需时间很短,即使处理大规模电网,提出的方法仍可在单机平台上运行,从而避免使用大规模计算集群所需的能耗.同时,神经网络自身的高容错性还能有效地修正量测数据中的误差.实验结果表...

Full description

Saved in:
Bibliographic Details
Published in:电力系统保护与控制 Vol. 46; no. 22; pp. 109 - 115
Main Authors: 赵巍岳, 靳松, 吕天成
Format: Journal Article
Language:Chinese
Published: 华北电力大学电子与通信工程系,河北保定,071001 16-11-2018
Subjects:
状态估计
神经网络
权重初始化
智能电网
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:智能电网建设的快速推进,导致状态估计算法所处理的数据量急剧增加.串行状态估计算法求解速度慢,无法满足电力系统实时分析的要求;而并行状态估计方法需要大规模计算集群的支持,会占据大量的硬件资源并产生高能耗.为解决上述问题,提出一种基于神经网络的状态估计方法.该方法以离线方式搭建并训练神经网络.在状态估计的实际计算中,以神经网络的前向计算代替传统算法中的迭代最小二乘拟合,从而大幅减少状态估计算法的执行时间.由于神经网络的前向计算所需时间很短,即使处理大规模电网,提出的方法仍可在单机平台上运行,从而避免使用大规模计算集群所需的能耗.同时,神经网络自身的高容错性还能有效地修正量测数据中的误差.实验结果表明,与串行方法相比,所提方法计算速度提升了约205倍.
ISSN:1674-3415
DOI:10.7667/PSPC171567