摘要
本发明属于数据处理技术领域,公开了一种配电网结构动态演化方法,根据配电网的实际结构构建电力系统的拓扑结构模型,基于配电网的时空数据,利用深度学习模型提取时空数据中的特征信息以构建自适应特征库,通过备选特征库对碳排放优化模型求解,得到备选配电网结构,同时,实时对比实际的自适应特征库与备选特征库以最匹配的备选配电网结构为目标进行调整,并在必要时进行细调,一方面保证调整的实时性,避免复杂的模型计算产生明显延迟,也使得配电网大致符合新的需求,另一方面在必要时进行细算,确保配电网完全符合需求。本发明通过两阶动态演化实现低延迟、高精度的配电网结构调整。
技术关键词
配电网结构
动态演化方法
粒子群优化算法
调度执行系统
深度学习模型
计算机可执行指令
节点数
电力系统
计划
电力网络拓扑
时序神经网络
发电量
负荷
数据处理技术
关系
存储器
处理器
系统为您推荐了相关专利信息
负载均衡算法
服务器
深度学习模型
神经网络架构
性能指标数据
移动设备
深度学习模型
控制模块
显示信息
通信设备
模糊测试方法
种子
深度学习模型
转换后图像
队列
粒子群优化算法
SSA算法
非线性时间序列
误差函数
数据