典型文献
基于改进经验小波能量熵的负载侧新能源占比定量研究
文献摘要：
随着分布式新能源的大量接入,变电站中低压线路中除了确定分类的负荷,还增加了许多不确定的可再生能源功率成分.从经济性和清洁性的角度出发,必要定量分析其中的新能源占比,提升用户的用电质量水平.针对低压馈线处的电能质量信息,提出一种基于改进经验小波能量熵和长短期记忆(Long Short Term Memory,LSTM)神经网络的定量分析算法.该方法以经验小波变换为基础,将长时间序列分为等长的小段时间序列,分别进行经验小波变换;得到各个经验小波函数分量后,计算出各个特征分量的能量熵序列;再引入峭度的概念,对各个能量熵序列加权差异化处理,突出特征信息;最后利用LSTM神经网络进行分类处理,判断不同可再生能源占比的电能质量信息属于哪个区间片段.通过搭建仿真模型模拟现场实际数据,高效准确地定量分析可再生能源占比,并与其他传统方法对比,验证了该方法的有效性和优越性.
文献关键词：
可再生能源;定量分析;经验小波变换;改进能量熵;LSTM神经网络
中图分类号：
作者姓名：
鲍家伟;王青松
作者机构：
东南大学电气工程学院,江苏 南京210096
文献出处：
引用格式：
[1]鲍家伟;王青松-.基于改进经验小波能量熵的负载侧新能源占比定量研究)[J].东北电力大学学报,2022(05):33-43
A类：
改进能量熵
B类：
小波能量熵,新能源占比,定量研究,分布式新能源,变电站,中低压,低压线路,可再生能源,质量水平,馈线,电能质量,长短期记忆,Long,Short,Term,Memory,经验小波变换,长时间序列,等长,小段,小波函数,再引入,峭度,突出特征,特征信息,分类处理,哪个,模型模拟,模拟现场,实际数据,方法对比
AB值：
0.298853
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。
