-
题名适用于电网异常负荷动态判别的CNN阈值模型
被引量：4
- 1
-
-
作者
毛钧毅
韩松
李洪乾
-
机构
贵州大学贵州大学电气工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第6期308-313,共6页
-
基金
国家自然科学基金(51567006)
贵州省普通高等学校科技拔尖人才支持计划(2018036)
贵州省科学技术基金(黔科合基础[2019]1100)。
-
文摘
为提高在负荷波动性较大场景下对异常负荷判别的适应性,提出一种适用于电网异常负荷动态判别的卷积神经网络阈值模型。利用时序历史负荷数据训练卷积神经网络模型进行负荷预测,并根据预测负荷值计算电网未来的状态变量数据,通过该状态变量数据源矩阵的构造,依次构建其窗口矩阵、标准矩阵以及样本协方差矩阵,进而设定基于样本协方差矩阵最大特征值的动态阈值,利用该阈值对当前时刻的最大特征值进行越限判定,实现对电网异常负荷的动态判别。借助Matlab R2014a和PST软件工具,在IEEE50机145母线标准系统中进行仿真测试,结果表明,与传统阈值模型相比,该阈值模型在动态电网中对MESCM指标的异常判定适应性更强、准确性更高。
-
关键词
卷积神经网络
动态阈值
负荷预测
样本协方差矩阵
最大特征值
异常负荷动态判别
-
Keywords
Convolutional Neural Network(CNN)
dynamic threshold
load forecasting
sample covariance matrix
maximum eigenvalue
dynamic judgment of abnormal load
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
