电力物联网下双向长短时记忆的线损预测计算策略研究

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。     

基于长短期记忆网络的配电网台区线损预测系统

针对目前配电网线损管理中的采样点过多、运行数据不易收集、坏数据难以辨识等问题,提出了一种基于长短期记忆神经网络的台区线损快速计算方法.该方法利用长短期记忆神经网络的结构特点,在考虑台区线损相关性的同时对目标台区当日线损进行快速计算,无需采集所有用户电量信息,能和同期系统计算得出的线损率进行核对校验,为精细化线损管理提供...     

基于融合注意力机制改进双向长短时记忆网络在电动汽车充电负荷中的预测研究

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。     

基于双向长短时记忆的立体化超短期负荷预测

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...     

基于双向长短时记忆网络的母线负荷分解方法

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     

基于LSTM的电网区域线损预测方法研究

针对现有电网线损预测方法存在的准确率差和效率低等问题,提出了一种用于电网线损预测的长短期记忆网络模型。通过长短期记忆模型提取并存储线损长时间序列的特征,与传统预测方法进行对比试验,验证了预测方法的有效性。结果表明,相比于传统预测方法,所提预测方法预测值与实际值最为接近,可为电网线损分析提供可靠依据。     

基于泛在电力物联网的电力能耗管理系统研究

随着当今时代互联网的飞速发展,传统电网已经不再能满足人民日益增长的电力需求。为实现全面感知、可靠传输、智能处理、互交互联的新一代电力系统,国家电网提出发展泛在电力物联网的战略目标。首先以清洁能源、能源需求为背景,对泛在电力物联网的概念、基本构架进行详细阐述。然后对电力能耗监测管理系统构架的主要关键技术进行说明。最后以华北电力大学扬中智能电气研究中心的电力能耗监测管理系统为实例,阐述泛在电力物联网基本应用情况,为其它相关研究提供参考。     

基于双向长短期记忆网络的区域电网新能源消纳预测算法

目前,区域电网新能源消纳问题日益严重,采用优化算法进行区域电网新能源消纳评估的技术难度大、求解效率低、消耗时间长。为此,本文提出基于双向长短期记忆网络（BiLSTM）的区域电网新能源消纳预测算法。首先分析影响区域电网新能源消纳的因素,并进行新能源消纳预测数据准备;然后提出基于BiLSTM的区域电网新能源消纳预测算法,利用电网历史运行数据训练模型,实现区域电网新能源消纳的快速准确在线预测;最后利用实际电网数据验证了所提算法的有效性,为电网运行人员提供参考。     

基于复杂网络的泛在电力物联网设计方法

在物联网与智能电网相结合的背景下,如何构建泛在电力物联网,使其更为高效与经济,是需要首先解决的一个问题.而复杂网络由于其出众的拓扑建模与分析能力,与该研究内容非常契合,因此考虑将复杂网络理论应用于泛在电力物联网的规划与设计之中,通过网络效率、凝聚度等网络评估指标,节点度、节点介数、效率损失系数、凝聚度变化率等节点评估指标,研究一种针对给定电力网络设计其泛在电力物联网感应层与网络层的方法,为泛在电力物联网的规划提供参考与依据.     

基于生物免疫学方法的泛在电力物联网安全技术

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。     

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研究

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。     

利益驱动的泛在电力物联网

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。     

基于泛在电力物联网技术的配电网故障诊断方法优化

现有的泛在电力物联网下的配电网故障诊断方法属于灾后处理方法,在极端恶劣天气大范围影响配电网稳定运行情况下,不能满足配电网发展需求。为此从泛在电力物联网的感知层、网络层、平台层、应用层4个方面对配电网故障诊断方法进行了优化,实现在极端恶劣天气下对配电网故障进行预判,进而能够主动防御,保证配电网的安全稳定运行。     

基于电力大数据技术的泛在电力物联网应用研究∗

大数据技术是电力智能终端与电力物联网之间通信的有效载体.泛在电力物联网既是数据的生产者,同时又是数据的消费者,提升电力大数据的应用技术,可以有效解决泛在电力物联网信息流层面的数据延迟与堵塞问题,提升数据的响应速度.基于大数据与电力物联网融合的设计架构,从能源、金融及业务层面提出了5种应用场景,对电力大数据与泛在电力物联网深度融合的商业运营模式进行了探讨.     

基于泛在电力物联网的智能配变终端应用

基于泛在电力物联网,建设以智能配变终端为核心的低压智能台区,配合配电自动化系统与用电采集系统,实现低压侧台区的全方位管控,提高运维人员工作效率,提升客户的用电体验性。基于泛在电力物联网的关键技术,分析以新型智能配变终端为核心的智能低压配电网优点,并给予指导性建议。