浏览全部资源
扫码关注微信
深圳供电局有限公司
Published:2022,
移动端阅览
[J]. Power capacitor & reactive power compensation, 2022, 43(1): 87-94.
DOI:
[J]. Power capacitor & reactive power compensation, 2022, 43(1): 87-94. DOI: 10.14044/j.1674-1757.pcrpc.2022.01.013.
针对当前配电网采用的检修方式没有综合考虑可靠性、安全性和经济性且采用的方法较传统的问题
提出了基于深度学习的配电网故障风险成本量化与状态检修方法。首先
对配电网中的变压器、架空线路、电缆线路及断路器等设备分别建立健康状态评估模型
并计算配电网综合故障概率;其次
分别提出了变压器、架空线路、电缆线路、断路器的故障风险成本量化模型
用以评估配电网故障损失与检修风险之间的量化关系;第三
提出了基于深度学习的长短期记忆网络的状态检修模型
以该模型值作为依据
确定配电网中设备的状态检修策略。通过IEEE-RBTS BUS6系统的仿真验证
结果表明所提方法比传统方法经济性更好。
深度学习配电网状态检修故障风险成本
0
Views
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution