标题:基于深度学习的暂态稳定评估与严重度分级
作者:尹雪燕;闫炯程;刘玉田;仇晨光
作者机构:[尹雪燕] 山东大学, 电网智能化调度与控制教育部重点实验室, 济南, 山东 250061, 中国.;[闫炯程] 山东大学, 电网智能化调度与控制教育部重点实验室, 济南, 山东 更多
来源:电力自动化设备
出版年:2018
卷:38
期:5
页码:64-69
DOI:10.16081/j.issn.1006-6047.2018.05.009
关键词:暂态稳定评估; 深度学习; 集成学习; 支持向量机; 严重度分级
摘要:提出一种安全域概念下的堆叠降噪自动编码器和支持向量机集成模型相结合的暂态稳定评估方法。将故障前的潮流量作为输入,利用堆叠降噪自动编码器对输入量进 行多层抽象表达,使用提取的各层特征训练支持向量机;建立支持向量机集成分类模型进行暂态稳定评估,对评估结果进行可信度分析,将输入空间划分为稳定区、 边界区和失稳区;利用效用理论结合所提出的暂态稳定裕度指标对运行方式进行严重度分级。算例结果表明,所提暂态稳定评估方法具有更高的评估准确率和一定的 泛化能力;所提严重度分级方法能够直观表现不同运行方式的危险程度。
收录类别:EI;CSCD;SCOPUS
资源类型:期刊论文
原文链接:https://www.scopus.com/inward/record.uri?eid=2-s2.0-85053732596&doi=10.16081%2fj.issn.1006-6047.2018.05.009&partnerID=40&md5=64a584d46a90a0223765fa0c0602ccc6
TOP