基于 SCKF-LSTM 的电气-燃气集成能源系统轨迹跟踪
机器人学
2024-12-25 v1
摘要
本文提出了一种新颖方法，用于跟踪集成天然气和电力系统的动态轨迹，基于卡尔曼滤波结构。为预测系统状态，应用 Holt 指数平滑技术和非线性管道动态方程分别建立电力和燃气系统方程。采用平方根圆谱卡尔曼滤波算法以解决强非线性系统方程所致的数值挑战。燃气系统的边界条件包括汇sink 节点的流量平衡，负荷的质量流率在每个计算步骤中都必须预测。为预测负荷质量流率，采用长短期记忆网络(LSTM)，其在时间序列预测中表现优异。因此，本文提出了一种结合平方根圆谱卡尔曼滤波和长短期记忆网络的方法，用于跟踪集成的燃气和电力系统。为评估所提方法的跟踪性能，选用 IEEE-39 节点电力系统和 GasLib-40 节点燃气系统构成测试系统。仿真结果表明，该方法在电力和燃气系统动态状态跟踪方面具有高精度。引入两个指标对跟踪结果进行数值分析，表明该方法的精度优于传统方法。
引用
@article{arxiv.2412.18356,
title = {StaR Maps: Unveiling Uncertainty in Geospatial Relations},
author = {Simon Kohaut and Benedict Flade and Julian Eggert and Devendra Singh Dhami and Kristian Kersting},
journal= {arXiv preprint arXiv:2412.18356},
year = {2024}
}