《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。