基于CNN-LSTM-Attention的配电网拓扑实时辨识方法 |
| |
引用本文: | 凌佳凯,章逸舟,胡金峰,秦军,戴健,费有蝶,朱振.基于CNN-LSTM-Attention的配电网拓扑实时辨识方法[J].浙江电力,2024(3):84-94. |
| |
作者姓名: | 凌佳凯 章逸舟 胡金峰 秦军 戴健 费有蝶 朱振 |
| |
作者单位: | 1. 国网江苏省电力有限公司无锡供电分公司;2. 河海大学电气与动力工程学院 |
| |
摘 要: | 配电网中准确的拓扑结构辨识对运行和控制具有重要意义,针对实际配电网拓扑结构变动的情况,搭建了可智能辨识配电网拓扑结构的深度学习模型。首先,生成不同拓扑结构下的配电网量测数据并进行数据预处理。其次,构建了融合CNN(卷积神经网络)、LSTM(长短期记忆网络)和Attention(注意力机制)的拓扑结构智能辨识模型,并结合历史量测数据对模型训练并测试。最后,在IEEE 33节点和PG&E69节点配电系统仿真算例中,验证了该基于CNN-LSTM-Attention模型的拓扑辨识方法相较于传统辨识方法在辨识精度上的优越性,实现了该模型的在线应用。
|
关 键 词: | 配电网 拓扑辨识 卷积神经网络 长短期记忆网络 注意力机制 |
|
|