arrow
返回

Distribution network reliability assessment and optimization method based on convolutional neural network

delete2025-12-31
delete0
PRE
AI
J
Jie Cheng
J
Jie Ming *
C
Chen Xu
DOI:10.1088/2631-8695/ae0f08delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
考虑到影响电力配电网运行的各种复杂因素以及传统可靠性评估与优化方法的局限性,本研究提出了一种基于卷积神经网络的新型方法。该模型使用IEEE 123节点配电系统的数据进行了训练和测试,并将其实验性能与多种成熟方法进行了比较,包括故障树分析、支持向量机模型、深度信念网络和随机森林算法。实验结果表明,在系统平均停电持续时间指数方面,所提出的模型实现了每用户平均停电时长3.15小时,显著低于故障树分析模型的每用户5.42小时以及支持向量机模型的每用户4.96小时。在预测性能方面,该模型的准确率达到92.5%,召回率为90.8%,F1得分为91.6%,优于所有对比模型。该方法为评估和优化电力配电网的可靠性提供了一种新颖且有效的方式,从而增强了运行稳定性、成本效益以及电力供应的整体可靠性。
Keyword:
convolutional neural network
reliability assessment
optimization method
power system

期刊

E
Engineering Research Express
IF:
1.6
论文数:
2.1K
被引数:
0

机构

暂无机构信息
引用论文

引用论文

An Enhanced MILP Model for Multistage Reliability-Constrained Distribution Network Expansion Planning
err2022-01-01
err42
errOAAI
errJooshaki, Mohammad; Abbaspour, Ali; Fotuhi-Firuzabad, Mahmud; Munoz-Delgado, Gregorio; Contreras, Javier; Lehtonen, Matti; Arroyo, Jose M.
err分享
err收藏
Fire Detection with Deep Learning: A Comprehensive Review
errLAND
IF3.2
err2024-10-17
err2
errOAAI
errVasconcelos, Rodrigo N.; Rocha, Washington J. S. Franca; Costa, Diego P.; Duverger, Soltan G.; Santana, Mariana M. M. de; Cambui, Elaine C. B.; Ferreira-Ferreira, Jefferson; Oliveira, Mariana; Barbosa, Leonardo da Silva; Cordeiro, Carlos Leandro
err分享
err收藏
Contribution of active management technologies to the reliability of power distribution networks
err2020-06-01
err11
PREAI
errEscalera, Alberto; Prodanovic, Milan; Castronuovo, Edgardo D.; Roldan-Perez, Javier
err分享
err收藏
学者 查看更多内容