一种基于CNN的GPU并行潮流越限判别方法

    公开(公告)号:CN112670996A

    公开(公告)日:2021-04-16

    申请号:CN202011405704.9

    申请日:2020-12-03

    IPC分类号: H02J3/06 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于CNN的GPU并行潮流越限判别方法,该方法首先获取电力系统的系统参数、负荷曲线和额定运行状态数据;潮流越限判别数据集数据增强;构建标签;以数据增强后的运行状态数据作为输入,标签作为输出构建用于潮流越限判别的卷积神经网络模型的数据集构建卷积神经网络,将数据集和模型移动至GPU,使用训练数据集并行训练模型的参数;最后获取实际环境中的电力系统运行状态数据,使用训练完成的卷积神经网络模型进行潮流越限判别,并根据判别结果计算模型的判别误差。本发明通过建立并使用GPU并行训练卷积神经网络,得到可进行潮流越限判别的模型,能够在确保判别准确率的前提下加快潮流越限判别。