一种基于宽度学习的电力系统状态估计方法

    公开(公告)号:CN114298475B

    公开(公告)日:2024-08-02

    申请号:CN202111457307.0

    申请日:2021-12-02

    摘要: 本发明公开了一种基于宽度学习的电力系统状态估计方法,其步骤包括:结合电力系统已知运行参数数据库,利用Spearman相关系数,筛选出与待估计运行参数强相关的已知运行参数,并构建状态估计模型的训练集与测试集;基于宽度学习理论,搭建具有输入层、隐藏层及输出层共三部分的电力系统状态估计模型;在训练集上多次迭代训练状态估计模型,确定模型中输入层到隐藏层、特征节点到增强节点、隐藏层到输出层的权重系数,并在测试集上对状态估计模型进行精度测试,实现对电力系统待估计运行参数的精准估计。与传统基于物理模型的状态估计方法相比,本发明在确保估计精度的条件下,大幅提升状态估计速度,更加符合大型复杂电网的应用需求。

    一种基于宽度学习的电力系统状态估计方法

    公开(公告)号:CN114298475A

    公开(公告)日:2022-04-08

    申请号:CN202111457307.0

    申请日:2021-12-02

    IPC分类号: G06Q10/06 G06Q50/06 G06N20/00

    摘要: 本发明公开了一种基于宽度学习的电力系统状态估计方法,其步骤包括:结合电力系统已知运行参数数据库,利用Spearman相关系数,筛选出与待估计运行参数强相关的已知运行参数,并构建状态估计模型的训练集与测试集;基于宽度学习理论,搭建具有输入层、隐藏层及输出层共三部分的电力系统状态估计模型;在训练集上多次迭代训练状态估计模型,确定模型中输入层到隐藏层、特征节点到增强节点、隐藏层到输出层的权重系数,并在测试集上对状态估计模型进行精度测试,实现对电力系统待估计运行参数的精准估计。与传统基于物理模型的状态估计方法相比,本发明在确保估计精度的条件下,大幅提升状态估计速度,更加符合大型复杂电网的应用需求。