基于改进SAX算法与贝叶斯超参数优化的配电网负荷-馈线智能匹配方法

作者：胡苏筠; 曹瑛^*; 张霞; 吴震旦; 胡军

来源：浙江电力, 2023, 42(07): 76-85.

DOI：10.19585/j.zjdl.202307009

• 改进符号聚合近似算法
• 贝叶斯超参数优化
• 多头注意力机制
• 改进CNN-LSTM
• 负荷-馈线匹配

新型电力系统下配电网运行方式调整愈来愈频繁，配电网负荷-馈线匹配面临采样数据高维异构且价值密度低、现有匹配算法对负荷物理特征依赖度高、参数设置灵活性弱等难点，为此提出一种基于改进SAX（符号聚合近似）算法与贝叶斯超参数优化的配电网负荷-馈线智能匹配方法。首先，建立面向离散符号化时间数据序列的数据价值提升模型，将高维异构的数据近似表示为低维统一的符号，修正和填充异常数据、空白数据。其次，构建改进CNN-LSTM（卷积神经网络-长短期记忆）混合神经网络，对负荷数据进行所属馈线匹配分类训练，利用多头注意力机制深入挖掘负荷数据的潜在数学关系，降低对负荷物理特征的依赖度。然后，引入贝叶斯超参数优化算法对神经网络训练参数进行逐次更新，提高馈线拓扑变化时神经网络模型的灵活性与适应性。最后，对某地区100条馈线进行负荷匹配实验验证，结果证明所提方法较传统方法具有更高的匹配精度。