孔凡峰

随着电力系统规模与复杂性的不断提升，传统控制方法已难以满足其稳定与控制需求。本文探讨了人工神经网络（ANN）在电力系统稳定控制中的应用，特别是在局部放电（PD）定位误差修正及电力负荷预测方面的创新实践。通过理论分析与实验验证，证明了ANN技术在提高电力系统稳定性和智能化水平方面的显著优势。研究结果显示，RBF神经网络能有效减小局部放电定位误差，而LSTM神经网络则展现出卓越的电力负荷预测能力。本文的研究成果为电力系统的未来发展提供了有力支持，推动了我国电网事业的持续进步。

人工神经网络；电力系统；稳定控制

[1] 石童昕,陈龙胜,李统帅,等.基于智能体的电力系统分布式自适应抗干扰控制[J].北京航空航天大学学报,2022,50(5):1685-1692. [2] 陈宗遥卜旭辉郭金丽.基于神经网络的数据驱动互联电力系统负荷频率控制[J].电工技术学报,2022,37(21):5451-5461. [3] 徐欢,杨秋勇,邹文景,等.深度学习在电力系统异常损耗数据识别中的应用研究[J].南京邮电大学学报(自然科学版), 2024,44(2):101-110. [4] 陆文安,朱清晓,李兆伟,等.基于卷积神经网络的新型电力系统频率特性预测方法[J].上海交通大学学报,2024,58(10):1500-1512. [5] 吴迪,汤小兵,李鹏,等.基于深度神经网络的变电站继电保护装置状态监测技术[J].电力系统保护与控制,2020,48(5):5.

点击下载PDF