TY -的盟Carcangiu s . AU - Fanni a . AU - Pegoraro p . a . AU -补充免疫活动,g . AU - Sulis s . PY - 2020 DA - 2020/02/28 TI - Forecasting-Aided监控配电系统状态估计SP - 4281219六世- 2020 AB -本文提出了一种基于人工神经网络(ANN)负荷预测模型的改进方法，以提高配电系统状态估计精度。高质量的假测量是由一个神经模型产生的，这个神经模型同时提供外源性和历史负荷信息，并应用于现实的测量场景。采用超前预测的方法，同时预测了中小企业和居民负荷聚合的有功和无功功率。在估计器的定义中，适当地考虑了预测的实际和无功误差之间的相关性，并考虑了总体测量链的不确定性。在一个小型中压配电网上进行的仿真验证了基于人工神经网络的伪测量对状态估计质量的有益影响。SN - 1076-2787 UR - https://doi.org/10.1155/2020/4281219 DO - 10.1155/2020/4281219 JF -复杂度PB - Hindawi KW - ER -