基本信息:
- 专利标题： 基于改进长短期记忆网络模型的电力系统惯性时间常数估计方法
- 申请号：CN202510045049.7 申请日：2025-01-10
- 公开(公告)号：CN119885890A 公开(公告)日：2025-04-25
- 发明人： 郑锦 , 杨苓 , 徐彦翀 , 朱涤凡 , 许钊洋
- 申请人： 广东工业大学
- 申请人地址： 广东省广州市越秀区东风东路729号大院
- 专利权人： 广东工业大学
- 当前专利权人： 广东工业大学
- 当前专利权人地址： 广东省广州市越秀区东风东路729号大院
- 代理机构： 深圳己任同辰知识产权代理有限公司
- 代理人： 姚再英
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F18/15 ; G06N3/0442 ; G06N3/006 ; G06F113/04
摘要：
本发明公开了一种基于改进长短期记忆网络模型的电力系统惯性时间常数估计方法，包括以下步骤：S1：将电力系统频率变化量、频率变化率和惯性时间常数进行排列生成数组，对其进行随机排序和划分数据集，并做归一化处理；S2：定义长短期记忆网络模型结构，搭建长短期记忆网络模型；S3：将处理后的频率变化量、频率变化率作为模型的输入数据，处理后的惯性时间常数作为模型的输出数据，运用食肉植物算法迭代寻优，得到长短期记忆网络模型最优参数配置，并对模型进行训练、测试与验证，获取电力系统惯性时间常数估计值；本发明利用食肉植物算法寻优精度高、收敛速度快的优点，快速获得超参数的全局最优解，实现惯性时间常数的精确估计。
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |