-
公开(公告)号:CN114020809A
公开(公告)日:2022-02-08
申请号:CN202111302047.X
申请日:2021-11-04
Applicant: 东南大学苏州研究院
IPC: G06F16/2458 , G06F30/20 , G06N3/04 , G06N3/08 , G06Q50/06
Abstract: 本发明公开一种基于DNN的电热综合能源系统快速状态估计方法及介质,该方引入数据驱动理论,利用蒙特卡洛采样方法模拟电、热负荷分布,通过对负荷数据耦合潮流计算获得电‑热耦合IES运行数据。利用子网络参数之间的相关性分析进行特征提取,根据特征提取结果划分数据集,向数据集中的量测量叠加高斯白噪声模拟实际量测量,训练并测试深度神经网络。根据相关性分析结果提取实际量测量,输入快速状态估计模型,获得状态量。本发明所提电‑热综合能源系统快速状态估计模型能够有效提高状态估计精度,减少状态估计时间,为电‑热综合能源系统的调度提供实时、准确的运行数据。
-
公开(公告)号:CN116842316A
公开(公告)日:2023-10-03
申请号:CN202310766124.X
申请日:2023-06-27
IPC: G06F18/10 , G06F18/20 , G06F18/2411 , G06F18/214 , G06N20/10
Abstract: 本发明公开一种综合能源系统不良数据预处理方法及系统,属于综合能源系统领域;一种综合能源系统不良数据预处理方法包括:首先采集综合能源系统状态实时量测数据,并进行归一化处理;然后输入综合能源系统不良数据检测模型中,若检测模型判定量测数据中存在不良数据,则进行辨识和修正;若检测模型判定量测数据为正常量测数据,则结束数据预处理流程;最后利用综合能源系统不良数据辨识修正模型确定不良数据所在的位置并对其进行修正,并结束数据预处理流程;该方法可以根据量测数据的重构误差,实时、准确地检测出随机误差过大、量测丢失以及恶意数据攻击等不良数据,相比于传统监督学习算法,其在训练样本较少时有着更精准的检测效果。
-