基于一维卷积神经网络的配电网无功优化

• 作者: 和鹏 王兴鑫 刘志坚
• 来源期刊: 电气应用
• 关键词: 无功优化 深度学习 数据驱动 一维卷积神经网络 九区图
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 方案设计|Engineering Design
• 页码范围: 57-63
• 页数: 7页
• 语种: 中文

摘要

深度学习和数据驱动技术的快速发展,为历史数据下的配电网无功优化提供了新的解决方法,提出了一种基于一维卷积神经网络的配电网无功优化方法.利用配电网节点的历史负荷数据,用优化算法得到对应的无功优化策略,并将无功优化策略进行二进制编码.通过训练一维卷积神经网络模型来映射配电网节点负荷和无功优化策略间的非线性关系,将训练好的模型用于配电网无功优化.在一个改造后的IEEE 33配电网节点系统进行仿真验证,结果表明相比九区图无功优化,所提方法的系统网损和节点电压偏移明显降低.