共查询到17条相似文献,搜索用时 62 毫秒
1.
目前,光、风等可再生能源发电和柔性负荷并网方式导致电力物联网的运行调控难度加大,使输电线的损害逐渐增加。针对这种情况,提出了一种基于电力物联网下双向长短时记忆的线损预测计算方法,为电力运行调控提供重要依据。 相似文献
2.
3.
电动汽车的规模化发展以及充电设施的持续建设将给电网带来重要影响,严重威胁到了电力系统频率稳定性。结合电动汽车充电负荷数据特点,在深度学习方法的基础上提出基于融合注意力机制(attention mechanism,AM)改进的双向长短时记忆网络模型(long short-term memory network, LSTM),实现对电动汽车的优化调度。通过使用实测电动汽车充电负荷数据,比较了所提方法与已有方法的性能。结果表明,在LSTM和(bidirectional long short-term memory network, BiLSTM)分别添加了注意力机制的(long short-term memory attention network,LSTMA)和(bidirectional long short-term memory attention network,BiLSTMA)模型相对于已有方法,在预测结果评价指标上都有明显的提升,证明了注意力机制在电动汽车充电负荷序列预测上的有效性。 相似文献
4.
传统电力系统负荷预测的基本思路是基于时间序列的历史负荷数据采用机器学习方法实现负荷预测.这种方式缺乏负荷在时间、空间两层的相互耦合关系.对此,在电力系统全景全周期运行状态可观测条件下,提出了大数据环境下基于双向长短时记忆网络的立体化负荷预测.首先提出了负荷在电网时间、空间下的耦合关联方程;其次,利用负荷节点的时间大数据... 相似文献
6.
目前在负荷分解领域的研究工作多以家庭住宅的总负荷分解为电器级别的负荷为主,对于中高电压等级的母线负荷分解研究较少,为解决这一问题,本文提出了一种基于双向长短时记忆网络(Bi-directional Long Short-Term Memory, Bi-LSTM)的中高电压等级母线负荷分解算法。首先在LSTM的基础上构建了Bi-LSTM,其次以母线负荷和其对应的外部信息源(如日期类型、天气等)作为Bi-LSTM的输入量,母线负荷的各下属建筑负荷作为输出量,对Bi-LSTM进行训练,最后以网络分解的母线负荷构成值与实际值间的平均相对误差作为评价指标,实验结果表明该方法可有效对构成成分未知的母线负荷进行分解。#$NL关键词:母线负荷;负荷分解;人工智能;双向长短时记忆网络#$NL中图分类号:TM769 相似文献
7.
8.
9.
10.
11.
12.
由于泛在电力物联网融入了社会的不可预知因素,导致互联环境复杂多样,终端设备接入类型与数量激增,时刻面临网络攻击和非安全数据入侵等安全隐患。因此,已有的安全检测与防护技术不再完全适用于如今的泛在电力物联网,文中从生物免疫学新视角探讨了泛在电力物联网安全技术。首先,类比病原体入侵生物体时免疫系统的免疫过程,阐述了生物免疫学与泛在电力物联安全防护的关联;其次,分析了感知层、网络层、平台层和应用层面临的安全挑战,并基于免疫学归纳了抗原识别、免疫响应和免疫记忆3方面的关键技术;最后,构想了泛在电力物联网全方位智能联动的安全免疫体系,并对研究方向进行了展望。 相似文献
13.
风功率的准确预测对电力系统的规划、调度运行等方面均具有重要意义。该文以风功率预测误差最小为目标,提出了一种基于双向长短期记忆深度学习模型的短期风功率预测方法,包括3层(输入层、隐含层和输出层)网络结构的详细设计以及网络训练过程。输入层负责对原始数据进行预处理以满足网络输入要求,隐含层采用双向长短期记忆单元构建以提取输入数据的非线性特征,输出层提供预测结果,网络训练采用Adam优化方法。在此基础上,基于实际风电场采集数据为算例,对该文所提出模型进行训练与测试,验证了该文所提方法的可行性与优越性。 相似文献
14.
建设泛在电力物联网是实现我国能源生产和消费转型目标的关键步骤。从物联网在电力和能源系统中的利益问题出发,论述了利益驱动的泛在电力物联网的意义,提出了实施的关键技术和应用前景,其中,利益是泛在电力物联网发展的动力,经济价值回收是其可持续发展的关键。首先,分析了电力物联网演化到泛在电力物联网的过程,给出了电力物联网在不同文献中的定义,并提炼出泛在电力物联网的核心思想。在此基础上,阐述了泛在电力物联网在建设中所面临的挑战、需要的关键技术以及期望的目标。然后,结合国家电网公司的泛在电力物联网建设大纲,对泛在电力物联网的发展前景、开展形式和经济价值回收方式进行了探讨。最后,对泛在电力物联网在可再生能源高效利用和提高企业收益方面进行了分析和展望。 相似文献
15.
16.