基于卷积神经网络的电网实时状态估计与基于循环神经网络的状态预测
信号处理
2021-06-25 v1 系统与控制
系统与控制
摘要
电网在向家庭、工业及其他用电场所输送电能方面发挥着十分重要的作用。由于需求增长，电网正面临电压波动的巨大挑战。这种现象源于电动汽车、工业用电、偶发性能量需求峰值等耗能设备及电器的多样化使用。针对这些需求波动，监测电网运行工况变得极为重要。一旦掌握这些工况，便可调节发电量以满足需求。研究发现，现有的电力系统状态估计（PSSE）技术在产生最优性能方面表现欠佳，且在计算处理上代价高昂。为解决该问题，本研究提出一种使用卷积神经网络（CNN）的电网状态估计方法。结果表明，该模型的均方根误差（RMSE）为 2.57×10⁻⁴，较此前一项采用近似线性模型（Prox Linear Model，RMSE 为 2.97×10⁻⁴）进行估计的研究更为准确。此外，本研究还提出电力系统状态预测以提升系统感知能力与韧性，预测采用循环神经网络（RNN）模型完成，该模型能够考虑数据中存在的长期非线性特征并据此进行预测。所提模型的预测 RMSE 为 2.53×10⁻³，与上述先前研究（2.59×10⁻³）大致相当。
引用
@article{arxiv.2106.13084,
title = {Real Time State Estimation of Power Grids Using Convolutional Neural Networks and State Forecasting Via Recurrent Neural Networks},
author = {Sahil Vohra},
journal= {arXiv preprint arXiv:2106.13084},
year = {2021}
}