Page 70 - 电力与能源2024年第四期

464 周 平，等：基于 CNN-LSTM 模型的绝缘架空导线局部放电识别研究

［2］ 王 轲，钟海旺，余南鹏，等 . 基于 seq2seq 和 Attention 机制 ［8］ GULSKI E，KRIVDA A. Neural networks as a tool for

的 居 民 用 户 非 侵 入 式 负 荷 分 解［J］ 中 国 电 机 工 程 学 报 ， recognition of partial discharges［J］ IEEE Transactions on
.
.

2019，39（1）：75-83. electrical Insulation，1993，28（6）：984-1001.

［3］ DONG M， SUN Z， WANG C. A pattern recognition ［9］ CHANG C，CHANG C S，JIN J，et al. Source classifica⁃

method for partial discharge detection on insulated overhead tion of partial discharge for gas insulated substation using
conductors［C］// IEEE Canadian Conference of Electrical waveshape pattern recognition［J］ IEEE Transactions on
.

and Computer Engineering （CCECE） Jeju：EEE，2019. Dielectrics and Electrical Insulation， 2005， 12 （2） ：
.
I
［4］ ZHANG J，BIAN H，ZHAO H，et al. Bayesian network- 374-386.

based risk assessment of single-phase grounding accidents ［10］ ZHENG D，ZHANG C，YANG G，et al. An experiment
.
of power transmission lines［J］ International Journal of Invi⁃ study of partial discharge pattern recognition method based
ronmental Research Public Health. 2020，17（6）：1841. on wavelet neural networks［C］//Conference Record of the

［5］ ZHANG W，HOU Z，LI HJ，et al. An improved technique 2006 IEEE International Symposium on Electrical Insula⁃

for online PD detection on covered conductor lines［J］ . tion. Jeju：IEEE，2006：230-233.
IEEE Transactions on Power Delivery. 2014， 29（2）： ［11］ 王元章，李智华，吴春华，等 . 基于 BP 神经网络的光伏组件

.
972-973. 在线故障诊断［J］ 电网技术，2013，37（8）：2094-2100.
［6］ 张新伯，唐 炬，潘 成，等 . 用于局部放电模式识别的深 ［12］ 陈振宇，刘金波，李 晨，等 . 基于 LSTM 与 XGBoost 组合

.
度置信网络方法［J］ 电网技术，2016，40（10）：3272-3278. 模型的超短期电力负荷预测［J］ 电网技术，2020，44（2）：
.
［7］ 陈振宇，刘金波，李 晨，等 . 基于 LSTM 与 XGBoost 组合 614-620.
模型的超短期电力负荷预测［J］ 电网技术，2020，44（2）： 收稿日期：2024-03-21
.
614-620. (本文编辑：赵艳粉）

（上接第 429 页）
通过对比分析是否考虑数据中心用能时间可调特 Transactions on Smart Grid，2016，7（3）：1584-1596.

［6］ XU C，WANG K，LI P，et al. Renewable energy-aware

性以及是否考虑数据中心余热回收的四个场景，
big data analytics in geo-distributed data centers with rein⁃
得出以下结论：考虑数据中心用能时间可调特性
.
forcement learning［J］ IEEE Transactions on Network Sci⁃
和余热回收，有助于充分利用分时电价优势，促进 ence and Engineering，2020，7（1）：205-215.

能源的梯级利用，进而降低总成本，特别是购能成 ［7］ 陈 敏，高赐威，陈宋宋，等 . 考虑数据中心用电负荷调

节 潜 力 的 双 层 经 济 调 度 模 型［J］ 中 国 电 机 工 程 学 报 ，
.
本；考虑数据中心用能时间可调特性还能提高服
2019，39（5）：1301-1314.

务器的利用率，降低服务器的配置成本。 ［8］ LYU J，ZHANG S，CHENG H. Optimal sizing of energy

参 考 文 献： station in the multi-energy system integrated with data cen⁃
ter［J］ IEEE Transactions on Industry Applications，2021，

.
［1］ 程耀华，张 宁，康重庆，等 . 低碳多能源系统的研究框

57（2）：1222-1234.
架及展望［J］ 中国电机工程学报 ，2017，37（14）：4060-

.

［9］ 张子仪，蔡泽祥，郭采珊，等 . 面向泛在电力物联网的分

4069.
布 式 云 数 据 中 心 优 化 选 址［J］ 电 力 系 统 保 护 与 控 制 ，
.
［2］ 贾宏杰，穆云飞，侯 恺，等 . 能源转型视角下城市能源

2020，48（3）：36-42.

系统的形态演化及运行调控［J］ 电力系统自动化，2021，

.

［10］ ZHANG Y，HAO X. Integrated planning of data center and
45（16）：49-62.

distributed renewable energy in distribution systems［C］//
［3］ 慈 松，刘前卫，康重庆，等 . 从“信息-能量”基本关系看

2021 International Conference on Power System Technol⁃
信息能源深度融合［J］ 中国电机工程学报，2021，41（7）：

.

ogy （POWERCON） IEEE，2021：308-312.

.

2289-2297.
［11］ 吴 刚，高赐威， 陈宋宋， 等 . 考虑需求响应的数据中心

［4］ 曹雨洁，丁肇豪，王 鹏，等 . 能源互联网背景下数据中

用 电 负 荷 优 化 研 究 综 述［J］ 电 网 技 术 ，2018，42（11）：

.
心与电力系统协同优化（二）：机遇与挑战［J］ 中国电机工
.

3782-3788.

程学报，2022，42（10）：3512-3527.
收稿日期：2024-04-21
［5］ WANG H，HUANG J，LIN X，et al. Proactive demand re⁃

(本文编辑：赵艳粉）
.
sponse for data centers： a win-win solution［J］ IEEE