基于大数据的新型电网负荷建模及特征提取方法研究

发布时间：2023-11-11 14:59

　　经济高速发展的今天,城市化进程也逐步加快,促使各类城市工业园区、开发区等园区类配电网对电能质量要求也逐步提高。新型柔性负荷及各种绿色可再生能源高比例并网,为智能园区提供了多种能源供给选择。而电网侧和用户侧需要更加深入的信息交流,其中识别和分析用户用电信息是控制的基础。因此,如何针对新型配电网系统新特征从数据角度进行准确的负荷灵活性建模和特征提取是亟需解决的新问题。本文提出一种基于大数据的新型电网负荷建模及特征提取方法,基于改进变分模态分解算法(improved variational mode decomposition,IVMD),实现电网负荷数据的精确建模和特征提取。首先,针对新型电网负荷数据的高噪声问题,提出改进变分模态分解的预处理算法,优化传统VMD存在的需要依靠主观判断输入K值问题,及边缘效应影响重构曲线精度问题,继而利用IVMD的时频转换功能将电网负荷时域数据转换为频域信号,根据信号频率进行判断和剔除含有的噪声,提高电网数据的稳定性与真实性,并生成模型训练数据。其次,在负荷建模方面,给出基于IVMD算法结合长短期记忆网络(long short-term memory,LST...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状和发展趋势
        1.2.1 数据预处理算法研究现状
        1.2.2 电网负荷数据建模研究现状
        1.2.3 数据特征提取方法研究现状
    1.3 主要工作及研究内容
    1.4 本章小结
第2章 数据模态分解算法
    2.1 模态分解算法
    2.2 EMD算法流程
    2.3 VMD算法流程
    2.4 VMD与 EMD分解结果对比
    2.5 本章小结
第3章 基于IVMD-LSTM的电网负荷数据建模方法
    3.1 VMD算法K值优化
    3.2 基于相关系数的自适应分段循环分解
    3.3 基于IVMD-LSTM的负荷建模方法
        3.3.1 深度学习网络概述
        3.3.2 LSTM网络拓扑
        3.3.3 算法流程
    3.4 本章小结
第4章 基于IVMD的电网负荷数据特征提取方法
    4.1 卷积神经网络基本概念及应用
        4.1.1 人工神经网络
        4.1.2 卷积神经网络
        4.1.3 Attention-CNN数据特征提取方法
        4.1.4 SRU数据训练模型
    4.2 基于IVMD的电网负荷数据特征提取方法应用
    4.3 本章小结
第5章 算例分析
    5.1 负荷建模方法有效性验证
        5.1.1 数据选择及处理
        5.1.2 仿真环境及参数设置
        5.1.3 仿真结果评价
    5.2 负荷特征提取方法有效性验证
        5.2.1 数据选择及处理
        5.2.2 仿真环境及参数设置
        5.2.3 仿真结果评价
    5.3 本章小结
第6章 结论与展望
    6.1 结论
    6.2 不足与展望
参考文献
在学研究成果
致谢



本文编号：3862771