《表1 深度神经网络代理模型对运行品质的拟合结果》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于数据驱动代理模型的城市输电网运行品质调节控制策略》
本文按照图7系统结构,共生成了20 000种不同的拓扑结构,并设置有功负荷波动范围为70%~130%,依据系统有功平衡和负荷功率因数不变的原则,生成对应的变压器有功出力和无功负荷数据,与拓扑结构组合,共生成20 000种系统运行场景,使用Mat Power进行了20 000次潮流计算,生成20 000个样本数据,样本数据的输入为有功负荷和高压配电网拓扑,样本数据的标签为城市输电网运行品质,包括线路损耗、母线电压、线路负载率和断面负载率。将其中16 000个样本作为训练集,4 000个样本作为测试集。深度神经网络共4层,包括一个输入层、两个隐藏层和一个输出层,各层的神经元个数依次为:77、200、100、26。初始学习率设置为0.01,迭代次数为500。深度神经网络训练完成后,分别对线路损耗、母线电压、线路总潮流和断面总潮流拟合结果的MAE和EP进行计算,如表1所示。
图表编号 | XD00200361600 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.16 |
作者 | 段翔兮、邹琬、李熠、何锐、龙呈、苏童、刘友波 |
绘制单位 | 国网四川省电力公司电力科学研究院、国网四川省电力公司、国网四川省电力公司、国网四川省电力公司、国网四川省电力公司电力科学研究院、四川大学电气工程学院、四川大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |