基于知识图谱与特征识别的新...源微网消纳数据分析算法研究_冯侃.pdf
《基于知识图谱与特征识别的新...源微网消纳数据分析算法研究_冯侃.pdf》由会员分享,可在线阅读,更多相关《基于知识图谱与特征识别的新...源微网消纳数据分析算法研究_冯侃.pdf(5页珍藏版)》请在咨信网上搜索。
1、电子设计工程Electronic Design Engineering第31卷Vol.31第6期No.62023年3月Mar.2023收稿日期:2021-09-07稿件编号:202109034基金项目:国网公司科技项目(JL71-15-042)作者简介:冯 侃(1974),男,甘肃静宁人,硕士,高级工程师。研究方向:电力调度,新能源电力。随着新能源发电的快速推进,其大量接入电网导致电网规模不断扩大,且电力系统中的知识量也呈现爆炸式增长1-2。新能源发电的接入,促进了微基于知识图谱与特征识别的新能源微网消纳数据分析算法研究冯 侃,边 辉,陈丽娜,张 洋,王浩强(国网甘肃省电力公司平凉供电公司,甘
2、肃 平凉 744000)摘要:针对现有电力数据分析算法缺乏结果可视性以及准确性不理想的问题,提出一种基于知识图谱与特征识别的新能源微网消纳数据分析算法。该算法根据微网架构明确新能源的出力模型,并利用结合长短时记忆网络和条件随机场的知识图谱技术,将微网中新能源消纳数据转化成图形结构。同时通过图卷积神经网络模型识别数据的图特征,并根据识别结果制定微网能量调控措施,以提高微网新能源的消纳能力。基于某微网的真实数据集对所提算法进行实验论证,结果表明所提算法的准确率、召回率和 F1值分别为 91.53%、89.95%、90.81%,均优于其他算法,故具有良好的工程应用价值。关键词:微网;新能源消纳;知识
3、图谱;特征识别;图卷积神经网络模型;长短时记忆网络中图分类号:TP391;TN99文献标识码:A文章编号:1674-6236(2023)06-0162-05DOI:10.14022/j.issn1674-6236.2023.06.034Research on consumption data analysis algorithm of new energy microgrid based onknowledge atlas and feature recognitionFENG Kan,BIAN Hui,CHEN Lina,ZHANG Yang,WANG Haoqiang(Pingliang
4、Power Supply Company of State Grid Gansu Electric Power Company,Pingliang 744000,China)Abstract:In view of the lack of result visibility and poor accuracy of existing power data analysisalgorithms,a new energy microgrid consumption data analysis algorithm based on knowledge atlas andfeature recognit
5、ion is proposed.The algorithm defines the output model of new energy according to themicrogrid architecture,and uses the knowledge atlas technology combining long short term memorynetwork and conditional random field to convert the new energy consumption data in microgrid intographic structure.The g
6、raph features of data are identified by graph convolution neural network model,and the microgrid energy regulation measures are formulated according to the recognition results,so as toimprove the consumption capacity of microgrid new energy.The experimental results show that theaccuracy,recall and F
7、1 values of the proposed algorithm are 91.53%,89.95%and 90.81%respectively,which are better than other algorithms and have good engineering application value.Keywords:microgrid;new energy consumption;knowledge atlas;feature recognition;graph convolutionneural network model;long shortterm memory netw
8、ork-162网系统的应用。但光伏、风电的出力具有随机性、间歇性特点,导致其消纳能力受限。因此,如何高效管理利用微网中海量数据以掌握新能源消纳状况成为了研究热点3-4。目前,对于电力数据的分析已取得了一定的研究成果,如聚类算法、神经网络模型等5-6;通过不同的算法模型提取数据特征并完成数据应用,如负荷分类、新能源出力预测等。但关于新能源在微网中的消纳分析仍较少,且数据分析结果缺乏可视性,因此该文基于知识图谱与特征识别技术设计了一种新能源微网消纳数据分析算法。该算法采用知识图谱将数据转化成图形结构,并利用图卷积神经网络(Graph Convolutional Networks,GCN)模型学习图
9、特征,进而根据图特征制定相应的微网能量调控措施。1新能源微网消纳1.1微网架构由于分布式发电具有传统大电网所不具备的可再生、分布广泛等优势,因此微网作为新能源组网的主要形式得到了迅速的发展,并使分布式电源的并网运行更加便捷7-8。将分布式发电、储能单元、负荷、电能变换装置进行整合,从而构成一个微网系统,其结构如图1所示。图1微网结构示意图微 网 中,光 伏(Photovoltaic,PV)、风 力(WindTurbine,WT)等新能源发电通过变换器等装置转换成交流电并入母线,各种类型的负荷从母线上取电。同时配备储能装置,在新能源出力较多时进行存储,从而减少弃风、弃光现象的发生;当新能源为负荷
10、供电出力不足时,可通过负荷及储能装置的调节提升系统的新能源消纳能力9。1.2新能源出力光伏阵列的输出功率PPV是在标准实验条件下,考虑到现场实际的光照强度和环境温度,所产生的每个光伏板的功率总和。PPV的计算如下:PPV=PSTCDCDSTC1+()TC-TSTC(1)式中,PPV为光伏板的输出功率;PSTC为标准实验条件下的光伏板输出;为光伏板的转移效率;DC、DSTC分别为实际和标准实验条件下的太阳辐射强度;TC、TSTC分别是光伏板的实际温度和标准测试条件下的温度。同样,风力发电输出功率PWT的计算方法如下:PWT=(),V3wA2(2)式中,Vw为风速;为空气密度;A为风车转子的横截面
11、;为功率系数;为叶片的俯仰角;=r/Vw为包括转子角速度的叶尖速比,r为风叶长度。综合来看,微网中新能源发电的出力PRESMGi计算为:PRESMGi=PPVMGi+PWTMGi(3)式中,MGi为第i个新能源。由于PV和WT的输出功率具有随机性而被视为不可控发电机组,因此需要明确二者的出力限制,以便进行系统内能源的协同控制并增加新能源的消纳。PV和WT应满足的功率约束为:|0PPVMGi,tP?PVMGi0PWTMGi,tP?WTMGi(4)式中,P?PVMGi与P?WTMGi分别是 PV 和 WT 功率输出的最大值。2微网消纳数据分析算法对于微网中新能源消纳数据的分析,首先采用知识图谱将数
12、据转化成图形结构;然后利用 GCN模型学习新能源消纳的图特征;最终根据图特征制定微网能量调控措施,例如切负荷或储能充电等。基于知识图谱和特征识别的微电网数据分析系统架构,如图2所示。构建知识图谱的原始数据来源于微网资源数据集,通过抽取知识图谱实体,并结合知识融合计算形成三元组,最终保存到知识图谱库10-11。随后利用GCN 模型识别图特征,掌握当下系统的新能源消纳情况,并为之后的决策提供条件和依据。冯 侃,等基于知识图谱与特征识别的新能源微网消纳数据分析算法研究-163电子设计工程 2023年第6期2.1知识图谱的构建自 2012 年谷歌引入“知识图谱”概念并推出其第一个版本以来,知识图谱的研
13、究引起了业界的广泛关注12。其本质上是一种图结构,使用数据中的“实体”概念作为节点,以实体之间的关系为边,进而形成间接图。这样不仅可以集成不同类型实体的特征信息,且还能获得实体之间不同类型的关系。“实 体-关 系-实 体”三 元 组 模 型 可 表 征 为G=()E,R,S,其是知识图谱常用的表示方式;其中,E、R、S分别表示知识库中的实体集合、实体间关系集合和三元组集合,即SERE。三元组主要可体现为两种形式,分别为“实体-关系-实体”以及“实体-属性-属性”。实体身份的编码值是唯一的,作为知识图谱的基本元素,其可通过“属性-属性值”形式对实体间的特征信息进行记录;而不同实体间的特征关联信息
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 知识 图谱 特征 识别 源微网消纳 数据 分析 算法 研究 冯侃
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。