文档名：基于负荷预测和无迹粒子滤波的配电网动态状态估计
摘要：随着汽车充电成为新型重要负荷,为确保此时配电网运行与控制安全,对其进行实时准确的态势感知,提出一种基于卷积神经网络和门控循环单元的短期负荷预测与无迹粒子滤波算法自适应混合的配电网动态状态估计方法.结合使用卷积神经网络和门控循环单元进行短期负荷预测,将预测得到的有功与无功功率进行潮流计算,再与无迹粒子滤波量测估计值自适应加权得到电压幅值和相角状态估计结果.以IEEE33节点配电网为例,验证了所提状态估计方法的准确性与面对不良数据时的鲁棒性.
Abstract：Asvehiclechargingbecomesanewtypeofimportantload,toensurethesafeoperationandcontrolofdistri-butionnetworkandconductreal-timeandaccuratesituationawarenessforthenetwork,adynamicstateestimationmethodfordistributionnetworkisproposed,whichisformulatedbyadaptivelymixingtheconvolutionalneuralnetwork(CNN)andgatedrecurrentunit(GRU)basedshort-termloadforecastingandtheunscentedparticlefilter(UPF)algo-rithm.First,CNN-GRUisusedforshort-termloadforecasting.Then,thepredictedactiveandreactivepoweriscalcu-latedforpowerflow,andtheresultisfurtheradaptivelyweightedwiththeactualvalueestimatedbyUPFtoobtainthestateestimationresultsofvoltageamplitudeandphaseangle.AnIEEE33buspowerdistributionnetworkistakenasanexample,andtheaccuracyoftheproposedstateestimationmethodanditsrobustnessinthecaseofbaddataareveri-fied.
作者：卢锦玲 胡兴华 张学哲 王恩泽 赵增辉Author：LUJinling HUXinghua ZHANGXuezhe WANGEnze ZHAOZenghui
作者单位：华北电力大学电气与电子工程学院,保定071003
刊名：电力系统及其自动化学报
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2024, 36(4)
分类号：TM74
关键词：配电网 电动汽车 负荷预测 无迹粒子滤波 动态状态估计
Keywords：distributionnetwork electricvehicle loadforecasting unscentedparticlefilter(UPF) dynamicstatees-timation
机标分类号：TM715TP391.41TP183
在线出版日期：2024年5月10日
基金项目：基于负荷预测和无迹粒子滤波的配电网动态状态估计[
期刊论文] 电力系统及其自动化学报--2024, 36(4)卢锦玲 胡兴华 张学哲 王恩泽 赵增辉随着汽车充电成为新型重要负荷,为确保此时配电网运行与控制安全,对其进行实时准确的态势感知,提出一种基于卷积神经网络和门控循环单元的短期负荷预测与无迹粒子滤波算法自适应混合的配电网动态状态估计方法.结合使用卷...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于负荷预测和无迹粒子滤波的配电网动态状态估计 Dynamic State Estimation of Distribution Network Based on Load Forecasting and Unscented Particle Filter
基于负荷预测和无迹粒子滤波的配电网动态状态估计.pdf
- 文件大小:
- 1.37 MB
- 下载次数:
- 60
-
高速下载
|
