典型文献
基于深度神经网络-近似线性网络混合模型的电力系统状态估计方法
文献摘要：
为提高电力系统实时状态估计的精度和计算效率,解决电网电压波动频发、潮流分布的不确定性剧增等问题,通过提出一种基于深度神经网络和近似线性网络模型的电力系统状态估计方法,研究了其在电网的应用.该方法将混合系统量测数据通过粒子滤波算法得到样本集,利用训练样本训练所提出的混合神经网络模型,最后将测试样本输入已建立的模型中获得系统状态的估计结果.通过IEEE118节点系统进行的负载数据仿真实验表明:基于混合神经网络模型的电力系统状态估计方法不仅能快速进行海量数据训练,还能有效避免过拟合;在实时状态估计的精度和计算效率方面,相较于高斯-牛顿法均有提高.可见所提方法在电力系统实时状态估计方面具有一定的应用价值.
文献关键词：
粒子滤波;状态估计;深度神经网络;近似线性网络
中图分类号：
作者姓名：
宋雨露;樊艳芳;刘雨佳;刘牧阳;白雪岩
作者机构：
新疆大学电气工程学院,乌鲁木齐830017
文献出处：
引用格式：
[1]宋雨露;樊艳芳;刘雨佳;刘牧阳;白雪岩-.基于深度神经网络-近似线性网络混合模型的电力系统状态估计方法)[J].科学技术与工程,2022(25):11041-11048
A类：
近似线性网络
B类：
深度神经网络,混合模型,电力系统状态估计,估计方法,实时状态,计算效率,电网电压波动,潮流分布,混合系统,量测数据,数据通,粒子滤波算法,样本集,训练样本,样本训练,混合神经网络,IEEE118,节点系统,负载数据,数据仿真,海量数据,数据训练,过拟合,牛顿法
AB值：
0.278437
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。
