摘要
本发明提供一种深度学习的多层有源配电网态势感知与评估方法及系统,涉及配电网态势感知与预测技术领域,该方法包括采集多层有源配电网运行的态势要素,得到数据集,并对数据集进行预处理得到输入特征矩阵;将输入特征矩阵输入到提前构建好的基于双重注意力机制的LSTM配电网态势预测网络模型进行训练,同时对预测网络模型的超参数进行优化,得到优化后的预测网络模型;利用优化后的预测网络模型预测出多层有源配电网的运行数据,根据运行数据计算多层有源配电网的态势指标,并根据态势指标对多层有源配电网的安全态势进行评估。本发明实现了对配电网未来运行态势的准确预测和安全评估。
技术关键词
有源配电网
预测网络模型
注意力机制
深度学习模型训练
Softmax函数
分布式光伏
信息熵原理
矩阵
数据
LSTM神经网络
电压越限风险
蚂蚁
节点
指标
超参数
时序
配电网态势感知
变压器
系统为您推荐了相关专利信息
注意力机制
编码器结构
特征选择
阈值小波变换
预测建模
图像复原方法
校正
生成对抗网络模型
图片
解码器
位姿估计方法
关键点
特征提取网络
通道注意力机制
协方差矩阵