基于深度学习的暂态电压稳定在线识别

论文摘要

针对电力系统暂态电压稳定在线识别问题,提出了一种基于深度学习的识别方法,构建深层模型反映稳定类别与在线量测数据间的映射关系。采用多种先进处理技术对模型进行优化:为提高失稳样本分类准确率,修改原交叉熵目标函数;优化学习率以平衡模型的精度和速度;加入dropout技术防止过拟合;对隐层函数加入batch-norm处理技术以防止内部变量转变;为避免随机分组导致的准确率波动,采取10折交叉验证方法。以广东电网为研究对象,并与其他分类算法进行对比后表明所提方法识别精度高、速度快,且鲁棒性强,具有良好的工程应用价值。

论文目录

• 0 引言
• 1 深度学习原理及平台
•   1.1 深度学习基本思想
•   1.2 TensorFlow深度学习平台
• 2 基于深度学习的暂态电压稳定识别模型
•   2.1 输入层
•   2.2 多隐层结构
•   2.3 输出层
•   2.4 暂态电压稳定在线识别实施流程
• 3 算例分析
•   3.1 深度学习暂态电压稳定识别模型的分类结果
•   3.2 鲁棒性测试及模型识别耗时
•   3.3 其他分类器识别效果
• 4 结束语

文章来源

类型: 期刊论文

作者: 徐浩,王钢,汪隆君

关键词: 暂态电压稳定识别,深度学习,折交叉,广东电网,鲁棒性

来源: 电气自动化 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业

单位: 华南理工大学电力学院

分类号: TM712

页码: 41-43+67

总页数: 4

文件大小: 563K

下载量: 211