使用深度学习预测低压网络的电压分布
机器学习
2019-06-21 v1 信号处理
摘要
低压（LV）网络的能源格局正开始改变；改变源于可再生能源渗透的增加和/或预测的家庭电动汽车充电的增加。先前被动的“安装即遗忘”式 LV 网络管理方法将不足以保障其有效运行。需要一种更具适应性的方法，包含对电路风险与容量的预测。许多提议方法要求网络完全可观测，促使多国安装智能电表与先进计量基础设施。然而，运营现实中“完美数据”的期望并不现实。智能电表（SM）推广可能存在问题，可能导致所有 LV 网络均完全覆盖 SM 的可能性较低。这一点，加上限制高粒度需求功率数据可用性的隐私要求，导致许多已有方法采用率低。为解决该问题，提出使用深度学习神经网络在部分 SM 覆盖下预测电压分布。结果表明，来自关键位置的 SM 测量足以有效预测电压分布。
引用
@article{arxiv.1906.08374,
title = {Predicting the Voltage Distribution for Low Voltage Networks using Deep Learning},
author = {Maizura Mokhtar and Valentin Robu and David Flynn and Ciaran Higgins and Jim Whyte and Caroline Loughran and Fiona Fulton},
journal= {arXiv preprint arXiv:1906.08374},
year = {2019}
}
备注
9th IEEE International Conference on Innovative Smart Grid Technologies (IEEE ISGT Europe 2019)