.png){kind=icon}
返回
A Data-Driven Method for Constructing Planning Evaluation Indicators for Emerging Distribution Networks
.png){kind=icon}
OA
AI
DOI：10.3390/en19102310.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统配电网规划评价通常依赖于统一的指标体系，难以反映不同区域和发展阶段新兴配电网的异质性特征。为克服这一局限，本文提出一种面向新兴配电网规划评价指标构建的数据驱动方法。首先，基于现有综合指标体系，识别县级配电网的关键因素以划分典型规划场景，并结合专家知识建立场景导向的初步指标体系。其次，采用数据驱动技术进行指标筛选。引入最大相关最小冗余（mRMR）方法评价指标相关性，随机森林（RF）算法评估指标重要性，并运用含变异系数（CV）校正的博弈论组合方法进行综合筛选。最后，开展县级案例研究验证所提方法。结果表明，该方法可根据不同场景下配电网特征的变化调整规划评价指标体系，在所研究案例中表现良好。该方法为构建配电网规划评价的自适应指标体系提供了实用框架。
Keyword:
distribution network planning evaluation
indicator system
data-driven method
maximum relevance and minimum redundancy
random forest
game theory
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.2
论文数:
1.6W
被引数:
14.2W
机构
引用论文
Data-driven probabilistic machine learning in sustainable smart energy/smart energy systems: Key developments, challenges, and future research opportunities in the context of smart grid paradigm可持续智能能源/智能能源系统中的数据驱动概率机器学习: 智能电网范式背景下的关键发展，挑战和未来研究机会
PREAI
分享收藏A Data-Driven Approach for Online Inter-Area Oscillatory Stability Assessment of Power Systems Based on Random Bits Forest Considering Feature Redundancy.png)
EnergiesOAAI
EnergiesIF0
OAAI分享收藏 没有更多内容
没有更多内容