深度神经网络的电力系统实时状态估计与预测源代码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

资源内容介绍

深度神经网络的电力系统实时状态估计与预测源代码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。