论文部分内容阅读
针对配电变压器台区容量配置不合理、重过载现象频繁发生等带来的小样本精确预测问题,提出了一种新的配电变压器重过载预警方法.首先建立满足大数据样本学习要求的扩充样本池;采集配电变压器负荷数据、社会发展统计数据、气象数据等,选取造成重过载的输入特征变量,聚合形成精选的特征数据样本;进而构建重过载预警深度信念网络学习模型,通过分析重过载配变发展态势,短、中期预测预警,选取年负荷曲线进行K-means聚类分析,形成重过载预警清单,实现配电变压器安全隐患的预判.可解决配电变压器采样系统投运时间短训练样本数据不充足问题,实现对重过载配电变压器的风险防范和容量的优化调整.通过算例验证了模型预测的有效性.