.png){kind=icon}
返回
Evaluation of operational reliability utilizing the parallel training method
.png){kind=icon}
PRE
AI
DOI：10.1016/j.epsr.2025.112272.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 可靠性评估的显著加速。
• 所提出的方法引入了一种并行多分支CNN架构，可显著加速电力系统运行可靠性评估过程。通过利用并行训练和数据分解，该模型实现了实时推理能力，与传统基于仿真的方法相比，更适用于快速和动态调度场景。
• 相较于传统模型具有更优的预测精度。
• 与单分支CNN等传统深度学习模型相比，所提出的多分支架构展现出明显更高的精度和鲁棒性。它能有效捕捉系统变量间的非线性关系，从而实现更精确的负荷削减预测，并提升在多样化运行条件下的系统行为拟合度。
• 在不利条件下的可靠性能。
• 所提出的框架即使在组件故障率较高的低可靠性场景中也能保持稳定性和准确性。其在系统受压状态下的预测一致性证实了该方法在现实应用中的鲁棒性和实用性，尤其是在高可再生能源渗透率和动态拓扑变化的系统中。
期刊
IF:
4.2
论文数:
1.2W
被引数:
2.2W
机构
查看更多机构
引用论文
暂无论文信息