公开(公告)号：CN111797974B

公开(公告)日：2022-10-11

申请号：CN202010486953.9

申请日：2020-06-01

申请人： 武汉大学 ,  国网青海省电力公司电力科学研究院 ,  国网青海省电力公司 ,  国家电网有限公司

发明人： 刘晓莉 ,  黄翊阳 ,  方保民 ,  苟晓侃 ,  王学斌 ,  邓长虹

IPC分类号： G06N3/04 ,  G06K9/62 ,  G06Q50/06 ,  G06F17/11

摘要： 本发明提出一种联合粒子滤波和卷积神经网络的电力系统状态估计方法：离线学习部分，先利用历史RTU/PMU量测融合数据，分析系统注入功率的概率分布，再通过基于贝叶斯估计的粒子滤波算法，利用蒙特卡洛采样，生成训练样本，训练卷积神经网络；在线状态估计部分，将实时PMU量测数据预处理后，根据从离线学习部分训练获得的卷积神经网络结构和权重值建立网络，再通过前向计算和后向传播，完成电力系统的状态估计。相较于传统最小二乘估计的牛顿法迭代算法，该方法能有效提升计算速度，提高状态估计的精度和抗差能力。

公开(公告)号：CN111797974A

公开(公告)日：2020-10-20

申请号：CN202010486953.9

申请日：2020-06-01

申请人： 武汉大学 ,  国网青海省电力公司电力科学研究院 ,  国网青海省电力公司 ,  国家电网有限公司

发明人： 刘晓莉 ,  黄翊阳 ,  方保民 ,  苟晓侃 ,  王学斌 ,  邓长虹

IPC分类号： G06N3/04 ,  G06K9/62 ,  G06Q50/06 ,  G06F17/11

摘要： 本发明提出一种联合粒子滤波和卷积神经网络的电力系统状态估计方法：离线学习部分，先利用历史RTU/PMU量测融合数据，分析系统注入功率的概率分布，再通过基于贝叶斯估计的粒子滤波算法，利用蒙特卡洛采样，生成训练样本，训练卷积神经网络；在线状态估计部分，将实时PMU量测数据预处理后，根据从离线学习部分训练获得的卷积神经网络结构和权重值建立网络，再通过前向计算和后向传播，完成电力系统的状态估计。相较于传统最小二乘估计的牛顿法迭代算法，该方法能有效提升计算速度，提高状态估计的精度和抗差能力。