基于贝叶斯深度学习的新能源多场站临界短路比区间预测方法OA北大核心CSTPCD
Multiple Renewable Energy Station Critical Short Circuit Ratio Interval Prediction Method Based on Bayesian Deep Learning
大规模新能源并网后电力系统的电压安全稳定问题突出,亟需一种兼具准确性和实用性的方法来评估系统的电压支撑强度.为此,该文提出一种基于贝叶斯深度学习的新能源多场站短路比(multiple renewable energy station short circuit ratio,MRSCR)智能增强方法.首先,聚焦于MRSCR缺乏准确的临界短路比(critical short circuit ratio,CSCR)问题,提出 CSCR样本集的构建流程,…查看全部>>
After large-scale renewable energy is connected to the grid,the problem of voltage security and stability is prominent,so it is urgent to find a method with accuracy and practicability to evaluate the voltage support strength of the system.Therefore,an intelligent enhancement method of multiple renewable energy station short circuit ratio(MRSCR)based on Bayesian deep learning is proposed in this paper.First,focusing on the lack of accurate critical short cir…查看全部>>
李保罗;徐式蕴;李宗翰;孙华东;于琳
电网智能化调度与控制教育部重点实验室(山东大学),山东省 济南市 250061电网安全与节能国家重点实验室(中国电力科学研究院有限公司),北京市 海淀区 100192电网安全与节能国家重点实验室(中国电力科学研究院有限公司),北京市 海淀区 100192电网安全与节能国家重点实验室(中国电力科学研究院有限公司),北京市 海淀区 100192电网安全与节能国家重点实验室(中国电力科学研究院有限公司),北京市 海淀区 100192
动力与电气工程
电压支撑强度贝叶斯深度学习多任务学习短路比
system strengthbayesian deep learningmulti-tasking learningshort circuit ratio
《中国电机工程学报》 2024 (14)
5451-5462,中插2,13
国家重点研发计划项目(2021YFB2400800).National Key R&D Program of China(2021YFB2400800).
评论