.png){kind=icon}
返回
An Interpretable Data-Driven Dynamic Operating Envelope Calculation Method Based on an Improved Deep Learning Model
.png){kind=icon}
OA
AI
DOI：10.3390/en18102529.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着分布式能源资源（DERs）的集成持续增加，能量的同时进出口可能导致电压越限加剧。因此，计算动态运行包络（DOEs），即代表时变出口限制，对于确保配电网络的安全运行至关重要。传统的DOEs计算方法依赖完整的配电网络参数进行潮流计算。然而，获取准确的参数和网络拓扑往往具有挑战性，这限制了这些传统方法的实际应用。本文提出了一种可解释的无模型DOEs计算方法，利用智能电表数据解决此问题。我们训练一个CNN-LSTM-Attention神经网络进行电压估计，并采用鲸鱼优化算法（WOA）自动调整超参数。此外，本文采用SHAP算法解释深度学习模型，揭示母线电压与各母线状态之间的关系，从而增强模型透明度并有助于识别影响电压水平的关键因素。所提出的方法通过在IEEE 33-bus配电网络模型上的仿真验证，表现出良好的效果。
Keyword:
convolutional neural networks
distributed energy resources
dynamic operating envelopes
long short-term memory networks
SHAP
期刊
IF:
3.2
论文数:
1.5W
被引数:
14.2W
机构
引用论文
分享收藏Robust Dynamic Operating Envelopes for DER Integration in Unbalanced Distribution Networks用于不平衡配电网络中DER集成的鲁棒动态运行包络OAAI
OAAI分享收藏Physics-informed graphical neural network for power system state estimation用于电力系统状态估计的物理通知图形神经网络.png)
APPLIED ENERGY
OAAI
APPLIED ENERGYIF11
OAAI分享收藏Dynamic Operating Envelope-Enabled P2P Trading to Maximize Financial Returns of Prosumers动态操作信封-启用P2P交易，以最大化消费者的财务回报
PREAI
分享收藏分享收藏Dynamic Operating Envelopes-enabled Demand Response in Low-voltage Residential Networks动态运行包络启用的低压住宅网络需求响应
PREAI
分享收藏
查看更多内容