一种双重注意力CNN-BiLSTM的电力系统状态估计方法技术方案

本发明专利技术公开了一种双重注意力CNN‑BiLSTM的电力系统状态估计方法，本方案方法通过将卷积神经网络(CNN)、双向长短期记忆神经网络(BiLSTM)和注意力机制相结合，形成双重注意力CNN‑BiLSTM神经网络，其提高模型的性能，在模拟实际量测的情况下进行状态估计，能够快速得到准确的结果。该方法分为两个阶段，离线阶段，搭建模型设置参数，进行数据处理输入历史量测数据集在所搭建模型上进行训练，保存得到的状态估计模型；在线估计阶段，将实时量测数据输入训练好的模型进行状态估计，得到状态估计结果；最终，通过仿真验证所提方法的有效性；最终通过测试仿真模型进行详细客观的实验分析，表明了本技术方案所提方法的有效可行性。

【技术实现步骤摘要】

本专利技术涉及电力技术、信息，尤其涉及一种双重注意力cnn-bilstm的电力系统状态估计方法。

技术介绍

1、随着风能、核能以及光伏等可再生能源的发展推进，构建以新能源为主体的新型电力系统，加快绿色低碳转型是时下热门的议题。而随着新能源接入比例日趋增加，在缓解了能源紧缺问题的同时也使得电力系统规模日渐复杂庞大，导致系统运行与控制方式日趋复杂，对电力系统安全稳定运行带来极大的挑战。

2、为了保证电力系统的安全、经济、可靠运行，对整个电力系统的精确预测、精当决策、精准控制和精益管理成为必然要求，为此需要提出和构建一套能够进行统一管理和科学调度的能量管理系统(ems)。而ems多功能的实现需要精确、全面的电网运行数据作为支持，但实际情况中不可避免的会出现量测数据不精确或数据不足的情况，使得所采数据不能完全反映电力系统的当前运行状态。比如，各种量测信息经传输信道传输给ems的过程中，噪声和量测装置本身的仪器误差就会导致一些坏数据的出现，这时便需要电力系统状态估计来对采集量测信息进行估计得到实时、可靠的电力系统运行数据，保证电力系统正常运行。

<本文档来自技高网...

【技术保护点】

1.一种双重注意力CNN-BiLSTM的电力系统状态估计方法，其特征在于，其包括：

2.如权利要求1所述的双重注意力CNN-BiLSTM的电力系统状态估计方法，其特征在于，S06还包括：

3.如权利要求1所述的双重注意力CNN-BiLSTM的电力系统状态估计方法，其特征在于，S04中，所构建的CNN-BiLSTM模型包括SE-CNN模型和FA-BiLSTM模型；

4.如权利要求3所述的双重注意力CNN-BiLSTM的电力系统状态估计方法，其特征在于，所述SE-CNN模型对输入的数据进行分类卷积运算和挤压激励处理；

5.如权利要求4所述的双重...

【技术特征摘要】

1.一种双重注意力cnn-bilstm的电力系统状态估计方法，其特征在于，其包括：

2.如权利要求1所述的双重注意力cnn-bilstm的电力系统状态估计方法，其特征在于，s06还包括：

3.如权利要求1所述的双重注意力cnn-bilstm的电力系统状态估计方法，其特征在于，s04中，所构建的cnn-bilstm模型包括se-cnn模型和fa-bilstm模型；

4.如权利要求3所述的双重注意力cnn-bilstm的电力系统状态估计方法，其特征在于，所述se-cnn模型对输...

【专利技术属性】
技术研发人员：王金友，陈佳桥，叶恒志，蔡小玲，薛文超，毛琪琪，
申请(专利权)人：中国电建集团福建省电力勘测设计院有限公司，
类型：发明
国别省市：