基于数据驱动的配电网典型负荷曲线分类方法
DOI:
作者:
作者单位:

1.中国电力科学研究院有限公司;2.北京邮电大学

作者简介:

通讯作者:

中图分类号:

TP389.1

基金项目:

国家电网有限公司总部科技项目资助(5400-202255154A-1-1-ZN)


A Data-driven Classification Method for Typical Load Curves in Distribution Networks
Author:
Affiliation:

China Electric Power Research Institute

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    随着“双碳”战略目标和新型电力系统建设的不断推进,传统配电网逐渐向信息化、数字化和智能化的新型配电系统转变。为准确刻画并分析配电网中不同类型负荷特性,支撑配电网高效运行管控,提出了一种基于数据驱动的配电网典型负荷曲线分类方法。首先基于负荷数据,分析了配电网典型负荷的多种分类场景,并提出了包括错误率、精度和混淆矩阵等的分类场景性能评价指标;在此基础上,提出了一种基于数据驱动的配电网负荷分类方法,将24维日负荷向量转换成图片数据,并基于卷积神经网络识别负荷曲线图片,实现对配电网负荷曲线的精准分类;最后结合实际配电网负荷数据对所提方法的准确性与有效性进行了验证,并与已有方法进行了分析与对比。结果表明所提配电网典型负荷曲线分类方法具有更好的分类速度和分类精度。

    Abstract:

    In this paper, the classification of electricity consumption is improved due to the reform of the national power system and the enhanced capacity requirements of power grid users. The digital twinning of the distribution network is a current technical development trend. The convolutional neural network (CNN), which performs well in image analysis, is introduced to classify the load curve of the power grid. First, load curves are converted into 2-dimensional image data. Then, supervised learning is performed with the pre-set load labels using the convolutional neural network. Real load data were used to conduct experiments on traditional algorithms and convolutional neural networks with different structures. It is verified that the convolutional neural network classification method proposed in this paper has higher classification accuracy than traditional methods.

    参考文献
    相似文献
    引证文献
引用本文

贾东梨,王帅,刘科研,等. 基于数据驱动的配电网典型负荷曲线分类方法[J]. 科学技术与工程, , ():

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2024-05-08
  • 最后修改日期:2024-06-29
  • 录用日期:2024-07-09
  • 在线发布日期:
  • 出版日期:
×
亟待确认版面费归属稿件,敬请作者关注
《科学技术与工程》入选维普《中文科技期刊数据库》自然科学类期刊月度下载排行榜TOP10