一种基于神经网络与CVaR预测算法的光伏接入台区漏电流动态风险评估与抑制方法

本发明公开了一种基于神经网络与CVaR预测算法的光伏接入台区漏电流动态风险评估与抑制方法，涉及智能型配电系统的故障监控与安全防护技术领域，包括下述步骤：S1：采集光伏接入台区的运行数据和气象数据；S2：基于训练完成的LSTM模型实时预测未来预定时间间隔内的漏电流值；S3：基于条件价值风险CVaR算法对预测的漏电流值进行风险评估；S4：将风险评估值与安全漏电流阈值进行比较。本发明方法，融合了LSTM神经网络的时序预测优势，可以提前发现潜在的漏电流升高迹象，实现由事后被动响应转变为事前主动预警，为采取控制措施争取宝贵时间，避免了漏电流突然升高而响应滞后所导致的安全事故。