تخمین حالت بیزی برای شبکه های توزیع تا حدی قابل مشاهده از طریق شبکه های عصبی مبتنی بر جریان برق

عملکرد روش های تخمین وضعیت شبکه توزیع (SE) به دلیل اندازه گیری های زمان واقعی محدود رضایت بخش نیست. در این مقاله یک روش بیزی SE برای شبکه های توزیع تا حدی قابل مشاهده با استفاده از یک شبکه عصبی جدید آگاه از جریان قدرت (PFINN) پیشنهاد شده است. مدل بیزی SE ابتدا با هدف به حداقل رساندن مستقیم خطای SE و به دست آوردن انتظار حالت های مشروط به اندازه گیری ایجاد می شود سپس انتظار شرطی به عنوان یک رگرسیون ناپارامتریک در نظر گرفته می شود که می تواند توسط یک PFINN پارامتر شود که در آن جریمه ضرر فیزیک به تابع ضرر وارد می شود تا خروجی های شبکه عصبی را برای سازگاری با محدودیت های عملیاتی شبکه قدرت محدود کند. نتایج آزمایش بر روی شبکه های توزیع متعادل و نامتعادل با استفاده از داده های میدانی نشان می دهد که روش پیشنهادی می تواند به دقت تخمین بهتری نسبت به روش بیزی SE بدون اطلاع رسانی جریان توان دست یابد. برای یک شبکه عصبی، ثابت همیشه می توان عملکرد آن را با افزودن یک عبارت تلفات فیزیک به تابع تلفات اصلی همراه با وزن مناسب که می توان با استفاده از روش های تنظیم فراپارامتر خودکار موجود به دست آورد، افزایش داد.

کلیدواژه ها:

تخمین حالت ، بیزی ، شبکه عصبی مبتنی بر جریان برق