卷積神經網絡在電力電子行業的應用
卷積神經網絡(CNN)在電力電子行業的應用主要體現在以下幾個方面:
1.負荷預測:通過結合注意力機制的卷積神經網絡,可以提高電網的穩定性和經濟性。這種模型能夠提取負荷序列中的局部特征,并通過注意力機制進一步優化預測結果[2]。
2.電力設備狀態分析:利用深度學習技術,特別是卷積神經網絡,對電力設備圖像進行識別和分析,以實現故障診斷和狀態監測。這種方法包括雙階法,即首先使用深度卷積神經網絡進行特征提取,然后運用傳統圖像分割定位方法完成目標檢測[5]。
3.電力系統暫態穩定評估:基于改進的一維卷積神經網絡,可以直接以底層量測數據作為輸入特征,通過使用多尺寸卷積核來替代傳統的單尺寸卷積核,有效提取量測數據的多粒度信息,從而提高電力系統暫態穩定評估的準確率[9]。
4.電力系統快速狀態估計:通過相關性分析篩選出狀態估計模型的輸入量測集,進一步利用海量數據訓練深度神經網絡,以實現電力系統的快速狀態估計。這有助于提高電網運行的實時性和準確性[14]。
5.電力系統暫態穩定預防控制:提出了一種基于卷積神經網絡的電力系統暫態穩定預防控制方法,通過CNN模型輸出變量靈敏度,以更好地實現電力系統暫態穩定預防控制[16]。
6.短期電力負荷預測:針對負荷數據的時序性特征,建立了一種基于多分支門控殘差卷積神經網絡的方法,以提升電力負荷預測精度[20]。
7.風力發電機異常識別:在風力發電機異常識別領域,通過使用卷積神經網絡,解決了微小異常難以發現、多類復雜異常難以識別的問題[19]。
綜上所述,卷積神經網絡在電力電子行業的應用廣泛,涵蓋了負荷預測、電力設備狀態分析、電力系統暫態穩定評估、快速狀態估計、暫態穩定預防控制、短期電力負荷預測以及風力發電機異常識別等多個方面,展現了其強大的特征提取能力和對復雜數據處理的能力。
相關事件
事件名稱 | 事件時間 | 事件概述 | 類型 |
卷積神經網絡在電力系統中的應用 | 上世紀60年代至今 | 卷積神經網絡通過強大的特征提取能力和線性回歸擬合能力,有效解決電力系統模型過擬合問題。 | 科技發展 |
圖神經網絡及其在電力系統中的應用 | 2021年01月25日 | 深度神經網絡徹底改變了電力系統中許多機器學習任務,從模式識別到信號處理。 | 科技發展 |
AI+電力應用場景的提出 | 2023年05月04日 | 提出了利用數字化智能化技術支撐發電清潔低碳轉型、新型電力系統建設、電力消費節能提效等5項AI+電力應用場景。 | 科技創新與應用 |
相關組織
組織名稱 | 概述 | 類型 |
重慶郵電大學 | 一所位于中國重慶的高等學府,涉及工業物聯網與網絡化控制教育。 | 教育/研究機構 |
相關人物
人物名稱 | 概述 | 類型 |
向敏 | 參與了基于圖卷積神經網絡的軟件定義電力通信網絡路由控制策略的研究。 | 研究人員/學者 |
饒華陽 | 同樣參與了該研究項目。 | 研究人員/學者 |
張進進 | 是該研究團隊的一員。 | 研究人員/學者 |
陳夢鑫 | 參與了關于電力通信網絡路由控制策略的研究。 | 研究人員/學者 |
參考資料
1. 如何作用和理解神經網絡在電力電子方向的運用? - 知乎 [2016-12-01]
2. CNN-GRU-Attention基于卷積神經網絡和門控循環單元網絡結合注意力機制的多變量回歸預測Matlab程序 [2024-03-13]
3. 卷積神經網絡電力電子控制卷積神經網絡課件 - 51CTO博客 [2024-02-19]
4. PDF 深度學習驅動的智能電網運行圖像數據壓縮技術
5. [PDF] 數據驅動的人工智能技術在電力設備狀態分析中的研究與應用
6. 基于一維卷積神經網絡的機電作動器故障診斷 - 電工技術學報
7. [PDF] 基于AI 的電力電子變換器開路故障診斷研究綜述 - arXiv
8. 一維卷積神經網絡應用于電信號分類原創 - CSDN博客 [2020-04-24]
9. 基于改進一維卷積神經網絡的電力系統暫態穩定評估
10. Ai智能在電力行業中的應用 - 知乎 - 知乎專欄
11. PDF 《上海交通大學學報》網絡首發論文
12. 采用基于膠囊網絡的卷積神經網絡的配電網中基于深度學習的故障 ... [2023-06-08]
13. 基于卷積神經網絡綜合模型和穩態特征量的電力系統暫態穩定評估
14. 基于深度神經網絡的電力系統快速狀態估計
15. 圖神經網絡及其在電力系統中的應用綜述,arXiv - CS - Machine Learning - X-MOL
16. 基于卷積神經網絡的電力系統暫態穩定預防控制方法
17. 基于多尺度卷積神經網絡的短期電力負荷預測 - sut.edu.cn
18. 基于圖卷積神經網絡的軟件定義電力通信網絡路由控制策略
19. 基于卷積神經網絡(CNN)的風力發電機異常識別方法研究
20. 基于多分支門控殘差卷積神經網絡的短期電力負荷預測 - 期刊界
21. 基于卷積神經網絡與輕量級梯度提升樹組合模型的電力行業短期以電折碳方法(網絡首發)
22. 電力設備行業研究:AI+電力場景明晰_騰訊新聞 [2023-05-04]