期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于变权值神经网络的低压配电网弱关联型计量异常识别
1
作者 金阳忻 徐永进 汪金荣 《电力系统自动化》 北大核心 2025年第22期198-207,共10页
电能表作为低压配电网重要的数据源,其计量异常的治理关系到电力交易的公平性。因此,以电能表功率、电压冻结值及部分档案信息作为输入,设计了一种基于变权值神经网络的低压配电网线损弱关联型计量异常识别模型。该模型的主体部分是用... 电能表作为低压配电网重要的数据源,其计量异常的治理关系到电力交易的公平性。因此,以电能表功率、电压冻结值及部分档案信息作为输入,设计了一种基于变权值神经网络的低压配电网线损弱关联型计量异常识别模型。该模型的主体部分是用于推算计量异常指数的残差神经网络。首先,针对输入信息不完备引起的精度退化,提出了神经网络变权值算法,即不再认为网络权值训练后均保持恒定,转而将其中一部分视作若干本征权值叠加而成的可变权值层。然后,利用无法直接作为网络输入的节点间关联状态,通过分维度的合成密度矩阵合并计算叠加系数,显著提升了模型准确度。最后,将增广样本集用于训练和测试,对比验证了变权值残差神经网络识别模型的有效性,再将该模型试点应用于中国浙江省某市电网高损台区治理,进一步检验了其在实际工况中的检测效果。 展开更多
关键词 配电网 电能表 计量异常 残差神经网络 变权值算法
在线阅读 下载PDF
融合时-频域多源数据的低压配网拓扑识别研究
2
作者 金阳忻 徐永进 胡书红 《太阳能学报》 北大核心 2025年第10期487-500,共14页
结合400 V级低压配电网(以下简称配网)树状拓扑结构特点,利用电参量数据相关性分析了常用配网拓扑识别方法的基本原理及其缺陷。提出融合时-频域多源数据的低压配网拓扑识别方法,由两个环节组成:1)前馈环节,通过改进谱聚类算法逐层聚类... 结合400 V级低压配电网(以下简称配网)树状拓扑结构特点,利用电参量数据相关性分析了常用配网拓扑识别方法的基本原理及其缺陷。提出融合时-频域多源数据的低压配网拓扑识别方法,由两个环节组成:1)前馈环节,通过改进谱聚类算法逐层聚类包含时、频域维度的节点电压数据。为方便计算上级分支点对应的节点电压向量,藉由簇内节点集的变换群特征,设计了用于区分簇拓扑类型(辐射型或干线型)的有限域神经网络;2)反馈环节,在被前馈环节压缩的解空间内,基于有功功率平衡原理检验和修正可疑节点,该闭环识别框架可提升结果的准确性及对复杂拓扑的适应性。最后,以国网浙江公司3个具有典型拓扑的居民/工商业试点台区作为算例,对比几类常用配网拓扑识别方法,所提方法的优势得到验证。 展开更多
关键词 配网拓扑识别 谱聚类 节点集变换群 时-频域多源数据 有限域神经网络 闭环识别框架
在线阅读 下载PDF
基于“互联网+”的计量设备质量全寿命周期评价技术研究 被引量:3
3
作者 刘岩 郑安刚 +3 位作者 王雍 尚怀赢 侯慧娟 周佑 《电测与仪表》 北大核心 2023年第2期147-153,179,共8页
随着能源互联网迅速发展,能源互联网的大规模、大区域互连、能源源头多、分布广、范围大、互联互通的特点对现有的计量设备全寿命周期评价提出新的思路,使得能源互联网对计量设备的可靠性、质量管控业务模式、全寿命周期评价技术等方面... 随着能源互联网迅速发展,能源互联网的大规模、大区域互连、能源源头多、分布广、范围大、互联互通的特点对现有的计量设备全寿命周期评价提出新的思路,使得能源互联网对计量设备的可靠性、质量管控业务模式、全寿命周期评价技术等方面提出了新的要求。文中介绍了在能源互联网复杂应用环境下基于“互联网+”的计量设备质量管控业务模式及全寿命周期评价技术。解决了目前计量设备的质量管控及评价技术主要体现在电力公司的验收、配送、运行、报废环节,但在生产企业侧的研发、物料采购、生产制造等生命周期前端的质量控制、评价手段缺乏的问题,为智能电能表生产使用打造质量管控闭环,质量评价贯穿全寿命周期,实现对行业发展的引领与带动。 展开更多
关键词 能源互联网 计量设备 业务模式 全寿命周期 评价技术
在线阅读 下载PDF
基于卷积神经网络的电能表测得值置信区间研究 被引量:12
4
作者 金阳忻 徐永进 黄小琼 《中国电机工程学报》 EI CSCD 北大核心 2021年第19期6630-6640,共11页
作为智能电网重要的数据源,电能表在复杂温度条件下的准确度越来越受到关注。以智能电能表实际运行时环境温度和负载电流的时域序列作为输入,该文设计一种电能表测得值置信区间预测模型。该模型的主体部分是卷积神经网络,可用于预测电... 作为智能电网重要的数据源,电能表在复杂温度条件下的准确度越来越受到关注。以智能电能表实际运行时环境温度和负载电流的时域序列作为输入,该文设计一种电能表测得值置信区间预测模型。该模型的主体部分是卷积神经网络,可用于预测电能表环境误差的随机变量特征数。针对训练中的收敛性问题,提出范数反馈算法,通过调整权值的层间分布,可提高训练质量。得到环境误差特征数后,通过统计学方法推导电能表测得值的置信区间。最后,以浙江电能表抽样性能试验积累的历史数据作为训练集和测试集验证测得值置信区间预测模型的有效性,并指出了易导致严重环境误差的几种极端工况。 展开更多
关键词 电能表 测得值置信区间 卷积神经网络 范数反馈算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部