摘要
本发明公开一种构网型储能系统并网故障严重程度评估方法,包括以下步骤:根据构网型储能系统并网计量装置获取的运行监测数据的特性设置特征向量,以及设置与故障程度关联的评分函数;采用sigmoid函数对特征向量进行概率和评分的转换;根据转换后的特征向量,构建构网型储能系统并网故障的排序学习RankNet模型;将特征向量作为样本,采用全连接神经网络对排序学习RankNet模型进行训练,然后根据故障程度对样本进行排序分级。本发明的有益效果是:通过对运行监测数据提取特征向量,以及设置与故障程度关联的评分函数,利用神经网络模型进行故障严重度评分和排序,实现对构网型储能系统并网故障严重程度的高效评估。
技术关键词
程度评估方法
储能系统
sigmoid函数
样本
计量装置
字段
梯度下降法
神经网络模型
代表
参数
定义
功率
电流
电压