摘要
本发明公开了一种考虑数据丢失的微电网动态状态估计方法及系统,该方法包括以下步骤:建立微电网模型和Gilbert‑Elliott模型;从微电网的传感器和数据中心获取微电网的历史测量数据,并利用Gilbert‑Elliott模型对微电网的历史测量数据进行模拟和补充,以得到包含历史测量数据和丢包数据的数据集;对包含历史测量数据和丢包数据的数据集中的数据进行预处理,得到预处理后的数据集;构建LSTM‑FNN模型;使用预处理后的数据集对LSTM‑FNN模型进行训练;将微电网的传感器实时采集到的数据输入训练后的LSTM‑FNN模型进行因数据丢失导致的缺失状态的估计。本发明解决了现有基于EKF的电网状态估计方法高度依赖于精准的数学模型,难以适应数据不完整的情况,导致状态估计的准确性和可靠性下降的问题。
技术关键词
动态状态估计方法
前馈神经网络
微电网
长短期记忆网络
随机森林
子模块
电网状态估计方法
参数
模型训练模块
数据中心
传感器
通信网络
矩阵
表达式
数学模型
输入模块
系统为您推荐了相关专利信息
配电网运行状态
数据分析模型
智能监控方法
长短期记忆网络
经验模态分解算法
故障诊断模型
故障检测方法
中间件
随机森林
指标
高速公路服务区
污水处理方法
溶解氧
水质
LSTM模型
信道状态信息
跌倒检测系统
路由器
OpenWrt系统
双向长短期记忆网络
评估系统
数据特征提取
数据采集模块
数据处理模块
周期性