- 详情
- 2020-12-27
- 简介
- 1.5MB
- 页数 6P
- 阅读 98
- 下载 37
在机器学习领域,暂态稳定评估问题被定义为通过大量故障样本来估计稳定边界的二分类问题。该文提出了一种深度学习方法来解决这个二分类问题。该方法包含4个步骤:首先,利用样本数据构建原始输入特征来描述电力系统动态特性;然后,采用变分自动编码器(variational auto-encoders,VAE)对原始输入特征进行无监督学习实现特征抽取,从而获得高阶特征;之后,对卷积神经网络(convolution neural network,CNN)进行有监督学习训练得到高阶特征与电力系统暂态稳定性之间的映射关系;最后,将训练得到的模型应用于电力系统在线暂态稳定评估。在新英格兰39节点测试电力系统的仿真试验表明,所提出的暂态稳定评估(transient stability assessment,TSA)模型具有评估精度高、不稳定样本评估错误率低、抗噪声干扰能力强的特点,适合基于广域测量信息的准实时在线暂态稳定评估。
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
基于深度学习的电力系统暂态稳定评估方法 1.5MB
基于代价敏感极端学习机的电力系统暂态稳定评估方法 491KB
基于多支持向量机综合的电力系统暂态稳定评估 630KB
电力系统暂态稳定直接法综述 294KB
电力系统暂态分析 2.5MB
基于深度学习的行为识别及在电力系统的应用 261KB
基于切机指标的电力系统暂态风险评估 472KB
电力系统中储能的系统价值评估方法 1.7MB
交互式多模型算法在电力系统暂态稳定预测中的应用 403KB