适用于电网异常负荷动态判别的CNN阈值模型

• 作者: 李洪乾 毛钧毅 韩松
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卷积神经网络 动态阈值 负荷预测 样本协方差矩阵 最大特征值 异常负荷动态判别
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 308-313
• 页数: 6页
• 分类号: TP391
• 字数: 4631字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0056250

摘要

为提高在负荷波动性较大场景下对异常负荷判别的适应性,提出一种适用于电网异常负荷动态判别的卷积神经网络阈值模型.利用时序历史负荷数据训练卷积神经网络模型进行负荷预测,并根据预测负荷值计算电网未来的状态变量数据,通过该状态变量数据源矩阵的构造,依次构建其窗口矩阵、标准矩阵以及样本协方差矩阵,进而设定基于样本协方差矩阵最大特征值的动态阈值,利用该阈值对当前时刻的最大特征值进行越限判定,实现对电网异常负荷的动态判别.借助Matlab R2014a和PST软件工具,在IEEE50机145母线标准系统中进行仿真测试,结果表明,与传统阈值模型相比,该阈值模型在动态电网中对MESCM指标的异常判定适应性更强、准确性更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩松	贵州大学贵州大学电气工程学院	35	144	6.0	11.0
2	毛钧毅	贵州大学贵州大学电气工程学院	1	0	0.0	0.0
3	李洪乾	贵州大学贵州大学电气工程学院	4	3	1.0	1.0