基于深度学习的SESN供电网络电能质量评估

作者：贾学翠; 李相俊; 闫士杰^*; 王上行; 徐少华

来源：控制工程, 2021, 28(10): 2052-2059.

DOI：10.14107/j.cnki.kzgc.20200041

• 超大规模电池储能
• SOC预估
• 深度置信网络
• 电能质量评估
• 深度学习

为保证超大规模储能供电网络安全可靠地运行,提出一种基于深度学习的电能质量评估方法。首先,依据电能质量国家标准,提出电能质量评估指标5等级划分法,建立基于深度置信网络(DBN)的电能质量评估模型。然后,考虑储能供电网络的构成、运行特征和储能可用容量,将储能系统荷电状态(SOC)预估结果作为其电能质量评估的另一指标,构建基于DBN的超大规模电池储能供电网络系统电能质量评估仿真模型。最后,按照电能质量指标等级分类对模拟数据做标准化处理,构造基于DBN的电能质量评估训练数据集。通过将结果与其他评估方法进行比较,验证了该方法的优越性。

• 单位
  东北大学; 中国电力科学研究院有限公司