[发明专利]一种基于Spiking神经网络伪量测建模的配电网三相状态估计方法有效
申请号: | 201610093682.4 | 申请日: | 2016-02-19 |
公开(公告)号: | CN105633956B | 公开(公告)日: | 2017-11-03 |
发明(设计)人: | 黄蔓云;孙国强;卫志农;臧海祥 | 申请(专利权)人: | 河海大学 |
主分类号: | H02J3/00 | 分类号: | H02J3/00 |
代理公司: | 南京苏高专利商标事务所(普通合伙)32204 | 代理人: | 柏尚春 |
地址: | 211100 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于Spiking神经网络伪量测建模的配电网三相状态估计方法,该方法首先将实时和部分历史支路功率量测输入Spiking神经网络进行伪量测建模,然后由高斯混合模型生成相应的量测误差,最后进行基于加权最小二乘法的配电网三相状态估计。本发明不仅能够在正常通信时有效提高配电网状态估计精度,而且在通信故障时也能保证估计精度在合理范围内,进而为配电网的运行控制提供参考依据。 | ||
搜索关键词: | 一种 基于 spiking 神经网络 伪量测 建模 配电网 三相 状态 估计 方法 | ||
【主权项】:
一种基于Spiking神经网络伪量测建模的配电网三相状态估计方法,其特征在于:包括顺序相接的如下步骤:1)首先获得配电网的网络参数信息;2)程序初始化;3)将一年的节点负荷数据进行潮流计算,保存每一采样时刻的支路功率值;通过一年的支路功率值训练Spiking神经网络,得到相应的训练误差,即每一采样时刻负荷节点的注入功率与实际节点负荷的差值;4)将步骤3中Spiking神经网络训练得到的误差输入高斯混合模型中,该模型根据输出误差分布进行拟合,通过边缘密度函数分析得到相应时刻的伪量测误差;5)确定估计时刻k,将时刻k的实时支路功率量测值与部分历史支路功率量测值输入Spiking神经网络,得到时刻k的节点注入功率即为该时刻的伪量测值;6)通过估计时刻k对应一年中的某一时刻,根据高斯混合模型拟合的伪量测误差分布确定该时刻k的伪量测误差;7)将伪量测、实时量测和虚拟量测输入配电网状态估计器中进行状态估计,得到该时刻k的配电网状态变量估计值,其中支路功率量测、支路电流幅值量测以及节点电压幅值量测为实时量测,零注入节点功率量测为虚拟量测,负荷节点注入功率量测为伪量测,配电网状态变量为节点电压复向量。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河海大学,未经河海大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201610093682.4/,转载请声明来源钻瓜专利网。