基于深度神经网络的电力系统实时状态估计与预测方法的研究与应用

深度神经网络的电力系统实时状态估计与预测源代码出售代码按照高水平文章复现，保证正确
利用深度神经网络(DNNs)进行电力系统实时监测。
在IEEE 118系统的实际负载数据实验中，新的基于dnn的PSSE方案的性能几乎优于竞争对手的数量级，包括广泛采用的Gauss-Newton PSSE求解器。
基于数据驱动的DNN的改进处理电力系统实时监测(估计和预测)。
为PSSE开发了Prox-linear网络，将网络神经网络与传统的基于物理的优化方法相结合。
在此基础上，引入深度DNN来预测历史(估计)电压对电力系统状态的影响。
基于模型的prox-linear网络的PSSE易于训练，计算成本低廉。
所提出的基于DNN预测考虑了电压时间序列中的长期非线性相关性，增强了PSSE。
在ieee57总线和118节点系统上使用真实负载数据进行的数值测试，说明了开发的方法相对于现有方案的优点。

ID:85200635397772790

SourseCode

深度神经网络在电力系统实时状态估计与预测中的应用

摘要：近年来，随着深度神经网络（DNNs）的发展，其在各个领域的应用也越来越广泛。本文以电力系统实时状态估计与预测为研究对象，介绍了如何利用DNNs来提升电力系统监测的性能。通过复现高水平论文中的源代码，本文保证了实验结果的正确性。在基于IEEE 118系统的实际负载数据实验中，我们发现，基于DNNs的PSSE方案的性能几乎优于竞争对手，包括广泛采用的Gauss-Newton PSSE求解器。同时，我们还提出了一种基于数据驱动的DNN的改进方法，以处理电力系统实时监测（估计和预测）。我们为PSSE开发了Prox-linear网络，将神经网络与传统的基于物理的优化方法相结合。通过引入深度DNN，我们能够更准确地预测历史电压对电力系统状态的影响。所提出的基于DNN的预测方法考虑了电压时间序列中的长期非线性相关性，并增强了PSSE的性能。在ieee57总线和118节点系统上使用真实负载数据进行的数值测试，进一步验证了我们开发的方法相对于现有方案的优势。

1. 引言
   随着电力系统规模的扩大和能源转型的推进，实时状态估计和预测在电力系统运行中变得越来越重要。传统的基于物理的方法在处理复杂系统时面临着一些困难，而基于深度神经网络的方法则能够更准确地捕捉到系统的非线性特征。因此，利用DNNs来进行电力系统实时监测具有重要的应用价值。

2. 相关工作
   在本节中，我们将回顾与电力系统实时监测相关的一些研究工作，并介绍它们的优缺点。我们还将介绍基于DNNs的PSSE方案的基本原理和实现方法。

3. 基于DNN的PSSE方案
   本节将详细介绍基于DNN的PSSE方案，并解释其在电力系统实时监测中的应用。我们将介绍Prox-linear网络的设计原理和训练方法，以及如何将其与传统的基于物理的优化方法相结合。同时，我们还将介绍如何利用深度DNN来预测历史电压对电力系统状态的影响，以提高PSSE的性能。

4. 数值测试与实验结果
   本节将描述我们在ieee57总线和118节点系统上使用真实负载数据进行的数值测试，并分析实验结果。我们比较了我们开发的方法与现有方案在性能上的差异，并验证了我们方法的优势。

5. 结论
   本文介绍了基于DNNs的电力系统实时状态估计与预测方案，并通过实验结果验证了该方法的有效性和优势。我们的方法不仅考虑了电压时间序列中的长期非线性相关性，还充分利用了深度神经网络在模式识别和特征提取方面的优势。未来，我们将进一步优化我们的方案，并探索更多应用DNNs的可能性。

关键词：深度神经网络；电力系统；实时状态估计与预测；Prox-linear网络；PSSE方案

以上相关代码,程序地址：http://coupd.cn/635397772790.html