一种基于混合深度学习的智能电网状态预测方法
系统与控制
2021-02-12 v1 系统与控制
摘要
智能电网是最复杂的信息物理系统之一，将电力从发电站输送至用户。确切知晓系统当前状态及其状态变化趋势至关重要；因此，状态估计与状态预测在智能电网中被广泛使用。鉴于状态预测可提前预测系统状态，其可增强状态估计，因为状态估计对由坏数据或通信故障引起的测量损坏高度敏感。本文提出一种用于电力系统状态预测的混合深度学习基方法。所提方法利用卷积神经网络(CNN)预测电压幅值，利用深度循环神经网络(RNN)预测相角。所提CNN-RNN模型在IEEE 118总线基准上评估。结果表明，所提CNNRNN模型通过将预测电压归一化均方根误差(RMSE)降低10%，取得了优于文献中现有技术的效果。结果还显示电压幅值预测的平均和最大绝对误差分别降低65%和35%。
引用
@article{arxiv.2102.05657,
title = {A Hybrid Deep Learning-Based State Forecasting Method for Smart Power Grids},
author = {Shahrzad Hadayeghparast and Amir Namavar Jahromi and Hadis Karimipour},
journal= {arXiv preprint arXiv:2102.05657},
year = {2021}
}