融合卷积-双向长短期记忆注意力机制净负荷预测的配电网故障恢复策略

储云迪; 丁泽楷; 林政宇; 吕湛; 侯世玺; 史朋飞

doi:10.12096/j.2096-4528.pgt.260303

您当前的位置：

首页 >

文章列表页 >

融合卷积-双向长短期记忆注意力机制净负荷预测的配电网故障恢复策略

发电技术 2026年47卷第3期页码：494-503

智能学习赋能新型电力系统发电|更新时间：2026-08-17

|

导出
分享
收藏
专辑

- 融合卷积-双向长短期记忆注意力机制净负荷预测的配电网故障恢复策略
- Distribution Networks Fault Recovery Strategy Fused With Convolutional Neural Networks-Bi-Directional Long Short-Term Memory-Attention Net Load Forecasting
- “研究团队提出了一种结合净负荷预测的含DG配电网故障恢复方法，设计融合气象特征注意力机制的CNN-BiLSTM混合预测模型，构建多目标供电恢复模型，采用遗传-拟牛顿混合优化算法求解孤岛划分与重构方案，为解决高渗透率分布式电源接入导致的配电网故障恢复复杂性及孤岛运行稳定性不足问题提供了解决方案，为高比例新能源配电网的快速自愈提供了新方法。”
- 作者机构：
  1.河海大学人工智能与自动化学院，江苏省南京市 210024
  2.国网江苏省电力有限公司南京供电分公司，江苏省南京市 210008
- 作者简介：
  储云迪(1990)，女，博士，副教授，主要研究方向为新能源电力系统稳定运行、坚强电网等，20191011@hhu.edu.cn；
  丁泽楷(2003)，男，硕士研究生，主要研究方向为电力系统运行控制、配电网运行优化等，2262510135@hhu.edu.cn；
  林政宇(2003)，男，硕士研究生，主要研究方向为电力系统运行控制、配电网运行优化等，2262510114@hhu.edu.cn。
- 基金信息：
  国家自然科学基金项目(62476080);江苏省自然科学基金项目(BK20241779);国家自然科学基金项目(12374088);国家自然科学基金项目(51877113);山东省高等学校青年创新团队(2022KJ139)
- DOI：10.12096/j.2096-4528.pgt.260303
  中图分类号：
- 修回：2025-12-26，
- 稿件说明：
移动端阅览
DOI：
DOI：

158

浏览量

52

下载量

0

CSCD

文章被引用时，请邮件提醒。

提交

关联资源

基于分层双深度Q网络的主动配电网等值建模

基于改进支持向量机的有源配电网单相断线故障检测方法

基于功率环与电流环联合控制的虚拟同步发电机故障穿越控制策略

基于改进二进制粒子群优化算法的综合能源系统故障定位研究

融合卷积-双向长短期记忆注意力机制净负荷预测的配电网故障恢复策略

Distribution Networks Fault Recovery Strategy Fused With Convolutional Neural Networks-Bi-Directional Long Short-Term Memory-Attention Net Load Forecasting

DOI：10.12096/j.2096-4528.pgt.260303

摘要

Abstract

关键词

Keywords

references