一种安全的深度概率动态热线路额定容量预测
密码学与安全
2020-11-26 v1 机器学习
信号处理
摘要
架空线（OHL）传输载流量的准确短期预测会直接影响电力系统运行与规划的效率。任何对动态热线路额定容量（DTLR）的高估都可能导致 OHL 寿命退化和故障、安全隐患等。本文提出了一种安全且敏锐的概率预测模型，用于 DTLR 的小时前预测。所提 DTLR 的安全性限制了 DTLR 预测超过实际 DTLR 的频率。该模型基于一种增强的深度学习架构，利用了广泛的预测因子，包括历史气候数据以及 DTLR 计算过程中获得的潜变量。此外，通过引入定制代价函数，深度神经网络被训练为在基于所需超越概率考虑 DTLR 安全性的同时，最小化预测 DTLR 与实际值的偏差。所提概率 DTLR 利用记录的实验数据进行了开发和验证。仿真结果使用知名评估指标验证了所提 DTLR 相对于最先进预测模型的优越性。
引用
@article{arxiv.2011.12713,
title = {A Secure Deep Probabilistic Dynamic Thermal Line Rating Prediction},
author = {N. Safari and S. M. Mazhari and C. Y. Chung and S. B. Ko},
journal= {arXiv preprint arXiv:2011.12713},
year = {2020}
}
备注
The work is accepted for publication in Journal of Modern Power Systems and Clean Energy