计算机工程

作者：毛钧毅, 韩松, 李洪乾

单位：贵州大学 贵州大学电气工程学院, 贵阳 550025

关键词：卷积神经网络,动态阈值,负荷预测,样本协方差矩阵,最大特征值,异常负荷动态判别

基金：国家自然科学基金（51567006）；贵州省普通高等学校科技拔尖人才支持计划（2018036）；贵州省科学技术基金（黔科合基础[2019]1100）。

为提高在负荷波动性较大场景下对异常负荷判别的适应性，提出一种适用于电网异常负荷动态判别的卷积神经网络阈值模型。利用时序历史负荷数据训练卷积神经网络模型进行负荷预测，并根据预测负荷值计算电网未来的状态变量数据，通过该状态变量数据源矩阵的构造，依次构建其窗口矩阵、标准矩阵以及样本协方差矩阵，进而设定基于样本协方差矩阵最大特征值的动态阈值，利用该阈值对当前时刻的最大特征值进行越限判定，实现对电网异常负荷的动态判别。借助Matlab R2014a和PST软件工具，在IEEE50机145母线标准系统中进行仿真测试，结果表明，与传统阈值模型相比，该阈值模型在动态电网中对MESCM指标的异常判定适应性更强、准确性更高。

来源：2020年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第6期