使用深度学习预测低压网络的电压分布 低电压(LV)电路的能量分布将发生变化,而以前的被动适应和-“忘记”的网络管理方法将是低效的...

preview
共12个文件
txt:5个
html:3个
jpg:2个
需积分: 0 0 下载量 86 浏览量 更新于2025-01-14 收藏 299KB ZIP 举报
使用深度学习预测低压网络的电压分布 低电压(LV)电路的能量分布将发生变化,而以前的被动“适应和-“忘记”的网络管理方法将是低效的,以确保其有效运行。 需要一种自适应的方法,包括对电路风险的预测。 文献中描述的大多数方法都要求网络具有完全的可观察性。 考虑到智能电表(SM)覆盖所有低压网络的可能性很低,这个前提在运行中是不现实的。 这一点,加上隐私要求,导致许多配电系统状态估计方法在低压网络分析中的应用很低。 为了解决这个问题,我们提出使用深度学习神经网络(DLNN)来预测电压在低压电路中的分布,尽管有部分SM覆盖。 结果表明,DLNN用于建立预测模型的适用性,并且在低压电路关键位置的SM数据足以进行有效预测,而不需要高粒度的需求功率数据。
身份认证 购VIP最低享 7 折!
30元优惠券
静雅记录家
  • 粉丝: 8
  • 资源: 18
上传资源 快速赚钱
voice
center-task 前往需求广场,查看用户热搜

最新资源