典型文献
联合长短期记忆神经网络和粒子滤波的配电网预测辅助鲁棒状态估计方法
文献摘要：
针对配电系统状态估计(distribution network state estimation,DNSE)中量测数据存在非高斯噪声、异常以及缺失的关键问题,提出了一种联合长短期记忆神经网络(long short term memory,LSTM)和粒子滤波(particle filter,PF)的配电网预测辅助鲁棒状态估计方法(robust forecasting-aided state estimation,FASE),以实现对配电网运行状态 的实时动态估计.基于配电系统的历史运行数据建立了深层LSTM预测模型,采用改进的PF构建量测和状态之间的非线性模型.针对量测缺失或异常问题,采用孤立森林异常检测技术准确识别量测信息中的异常数据.基于此,结合深层LSTM预测值经潮流计算(power flow calculation,PFC)得到的伪量测可实现对缺失和异常数据的替换.此外,提出的联合长短期记忆神经网络和粒子滤波的电力系统预测辅助状态估计方法(long short term memory-particle filter,LSTM-PF)可以实现对拓扑结构改变后的节点状态的预测和估计.对IEEE 33节点标准配电网和某市10 kV 78节点实际配电网测试系统进行了数值仿真,仿真结果表明LSTM-PF算法具有较高的精度和鲁棒性,可为配电网状态估计提供参考.
文献关键词：
数据驱动;粒子滤波;孤立森林算法;预测辅助状态估计;长短期记忆神经网络
中图分类号：
作者姓名：
夏添梁;张玉敏;杨明;吉兴全;尹孜阳;张旋
作者机构：
山东科技大学电气与自动化工程学院,青岛266590;山东大学电网智能化调度与控制教育部重点实验室,济南250061
文献出处：
引用格式：
[1]夏添梁;张玉敏;杨明;吉兴全;尹孜阳;张旋-.联合长短期记忆神经网络和粒子滤波的配电网预测辅助鲁棒状态估计方法)[J].高电压技术,2022(04):1343-1355
A类：
DNSE,FASE,预测辅助状态估计
B类：
长短期记忆神经网络,粒子滤波,电网预测,鲁棒状态估计,估计方法,配电系统,distribution,network,state,estimation,中量,量测数据,非高斯噪声,常以,long,short,term,memory,particle,filter,robust,forecasting,aided,配电网运行,实时动态,动态估计,历史运行数据,非线性模型,量测缺失,异常问题,异常检测,准确识别,量测信息,异常数据,潮流计算,power,flow,calculation,PFC,伪量测,电力系统,拓扑结构,点状,IEEE,某市,kV,测试系统,电网状态估计,孤立森林算法
AB值：
0.30806
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
