★內(nèi)蒙古電力(集團)有限責任公司巴彥淖爾供電分公司楊潔,劉浩宇,王耀聲
摘要:本研究提出了一種基于深度學習的智能預測與控制方法,用于解決高壓配電開關(guān)狀態(tài)監(jiān)測和控制優(yōu)化問題。通過構(gòu)建CNN-LSTM混合神經(jīng)網(wǎng)絡(luò)模型,實現(xiàn)對開關(guān)機械特性、電氣特性和振動特性的多維度特征提取與融合。本研究還設(shè)計了基于動態(tài)學習率的自適應優(yōu)化策略和早停機制,可顯著提升模型的預測精度和泛化能力。在控制系統(tǒng)方面,本研究提出了一種分層自適應的架構(gòu),結(jié)合Actor-Critic深度強化學習算法實現(xiàn)開關(guān)操作的實時優(yōu)化控制。實驗結(jié)果表明,相比傳統(tǒng)PID控制,該方法在操作時間一致性和能量損耗方面均取得了顯著改善,操作時間波動降低超過57%,平均能量消耗減少12.3%,具有良好的工程應用價值。
關(guān)鍵詞:深度學習;高壓配電;開關(guān)狀態(tài)預測;優(yōu)化控制
在線預覽:
基于深度學習的高壓配電開關(guān)狀態(tài)預測與優(yōu)化控制系統(tǒng)研究.pdf
摘自《自動化博覽》2025年5月刊






案例頻道