CN119496116A 一种基于kan神经网络的低压台区配电网系统建模及分析方法 (中国计量大学)_第1页
CN119496116A 一种基于kan神经网络的低压台区配电网系统建模及分析方法 (中国计量大学)_第2页
CN119496116A 一种基于kan神经网络的低压台区配电网系统建模及分析方法 (中国计量大学)_第3页
CN119496116A 一种基于kan神经网络的低压台区配电网系统建模及分析方法 (中国计量大学)_第4页
CN119496116A 一种基于kan神经网络的低压台区配电网系统建模及分析方法 (中国计量大学)_第5页
已阅读5页,还剩15页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种基于KAN神经网络的低压台区配电网系本发明公开了一种基于KAN神经网络的低压能数据,用于模型仿真搭建的第一数据;能场景的仿真模型。该发明通过KAN神经网络分计算台区中的智能电能表误差以及台区各支路线路损耗通过智能电能表采集模块获取台区中用户的电能数据并预处理获取用电区域的负载2智能电能表数据采集模块,用于召测采集计量区域2.根据权利要求1所述的一种基于KAN神经网络的低压台区配电网系统建模及分析方步骤S2,将电能数据进行数据预处理,通过电能数据计算智能3.根据权利要求2所述的一种基于KAN神经网络的低压台区配电网系统建模及分析方步骤S4,在低压台区配电网系统模型中,由Simscape4.根据权利要求3所述的一种基于KAN神经网络的低压台区配电网系统建模及分析方的功率计算模块、连续时间积分器模块计算用户负载子系统的累计有功电能,并通过ToWorkspace模块输出各个智能电能表子系统计算的台区模型累计电能仿真步骤S7,累计电能仿真数据依据仿真时间排序并进行5.根据权利要求4所述的一种基于KAN神经网络的低压台区配电网系统建模及分析方p=EM·(1+e)3各个用户负载子系统与低压台区交流电压源之间的线损可用用户负载子系统损耗电6.根据权利要求5所述的一种基于KAN神经网络的低压台区配电网系统建模及分析方7.根据权利要求6所述的一种基于KAN神经网络的低压台区配电网系统建模及分析方步骤S11,所述KAN神经网络监督学习模型训练数据集由低压台区配电网模型仿真生48.根据权利要求7所述的一种基于KAN神经网络的低压台区配电网系统建模及分析方9.根据权利要求8所述的一种基于KAN神经网络的低压台区配电网系统建模及分析方5[0001]本发明涉及低压台区配电网系统建模分析技术领域,具体为一种基于KAN神经网提出一种基于KAN神经网络的低压台区配电网系统建模及[0004]本发明的目的在于提供一种基于KAN神经网络的低压台区配电网系统建模及分析电能给总台区的智能电能表子系统,再流经如图3各个支路用户负载子系统的智能电能表6[0017]p=EM·(1+e)[0019]各个用户负载子系统与低压台区交流电压源之间的线损可用用户负载子系统损7[0031]步骤S10,如图5所述电能表误差和线路损耗分析问题构建为KAN神经网络监督学[0032]步骤S11,如图6所述KAN神经网络监督学习模型训练数据集由低压配电网台区模[0034]步骤S13,所述KAN神经网络对训练数据集进行训练,使用500个训练周期和lr=8[0041]优选的,在步骤S3中,所述搭建低压配电网台区系统模型中,利用SeriesRLCu_βI)表示无功功率因数;[0047]本发明提供了一种基于KAN神经网络的低压台区配电网系统建模及分析方法,具9元和集中器负责将处理好的实时信号数据发送[0057]Simulink台区仿真模型是由Simscape交流电压源模块和多个用户负载子系统组开关用于控制用户负载阻抗元件线路的通断,用于模拟用户负载的不同使用时间以及频输出端与电能表子系统的电流傅里叶分析模块[0069]p=EM·(1+e)[0077]通过KAN神经网络模型的多次迭代生成每个激活函数,通过训练得到激活函数的能够理解本发明从而设计适于特定用途

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论