检索结果-维普期刊中文期刊服务平台

融合注意力机制和卷积神经网络的电网暂态电压稳定评估及可解释性分析被引量：2: 1; 作者张哲秦博宇 +2 位作者高鑫丁涛张逸兴《电网技术》 EI CSCD 北大核心 2024年第11期4648-4657,I0057,I0056,共12页; 提升复杂多变运行场景下电网稳定评估的时效性和准确性,提出一种融合注意力机制和卷积神经网络(convolutional neural network,CNN)的暂态电压稳定评估及可解释性分析方法。首先,采用卷积块注意力模块(convolutional block attention mo... 展开更多; 关键词卷积块注意力模块-卷积神经网络暂态电压稳定评估沙普利值加性解释理论可解释性分析; 在线阅读下载PDF 职称材料

基于逐步特征增广梯度提升的暂态功角稳定评估及可解释性分析被引量：1: 2; 作者刘旭刘颂凯 +3 位作者杨超张磊段雨舟晏光辉《现代电力》北大核心 2024年第5期844-853,共10页; 基于数据驱动的电力系统暂态功角稳定评估虽然可以提供较为准确的结果,但其评估结果缺乏可解释性,导致难以应用于工程实际中。针对该问题,提出一种基于逐步特征增广梯度提升(gradient boosting enhanced with step-wise feature augment... 展开更多; 关键词暂态功角稳定评估逐步特征增广梯度提升沙普利值加性解释可解释性分析模型更新; 在线阅读下载PDF 职称材料

基于强化学习的混合元启发式暂态电压稳定特征选择方法及可解释性研究被引量：3: 3; 作者甄永赞阮程《电网技术》 EI CSCD 北大核心 2024年第4期1519-1531,I0043,共14页; 新型电力系统发展背景下,使用有效的特征选择方法来提取与暂态电压稳定强相关的关键响应特征,对研究暂态电压失稳机理与系统潜在安全隐患具有重要意义。为此,提出一种基于改进过滤法与混合元启发式包装法的复合框架进行特征选择的新方... 展开更多; 关键词暂态电压稳定特征选择强化学习混合元启发式沙普利值加性解释; 在线阅读下载PDF 职称材料

基于机器学习的公交驾驶员事故风险识别及影响因素研究被引量：4: 4; 作者朱彤秦丹 +2 位作者魏雯任杰冯移冬《中国安全科学学报》 CAS CSCD 北大核心 2023年第2期23-30,共8页; 为从公交驾驶员群体中识别出易发生事故的风险公交驾驶员,结合某市公交公司营运安全管理系统数据库、百度应用程序接口(API)及网络爬取技术,并应用K近邻算法补充缺失值,获取42条线路及1893名驾驶员的数据;基于驾驶员、车辆、线路特征、... 展开更多; 关键词风险公交驾驶员机器学习事故风险极致梯度提升(XGBoost) SHapley加性解释(SHAP)值; 在线阅读下载PDF 职称材料

基于自然梯度提升的静态电压稳定裕度预测及其影响因素分析被引量：6: 5; 作者王强陈浩刘炼《电力系统及其自动化学报》 CSCD 北大核心 2022年第9期130-137,共8页; 为提升电压稳定裕度预测的精准度和增强预测模型的可解释性,将自然梯度提升算法与沙普利值加性解释理论应用于电压稳定裕度预测中。以离线样本为基础,采用自然梯度提升算法探索运行状态变量与电压稳定裕度间的非线性映射关系,构建自然... 展开更多; 关键词电压稳定裕度机器学习自然梯度提升沙普利值加性解释可解释性; 在线阅读下载PDF 职称材料

题名融合注意力机制和卷积神经网络的电网暂态电压稳定评估及可解释性分析被引量：2: 1; 作者张哲秦博宇高鑫丁涛张逸兴; 机构西安交通大学电气工程学院; 出处《电网技术》 EI CSCD 北大核心 2024年第11期4648-4657,I0057,I0056,共12页; 基金国家重点研发计划项目“响应驱动的大电网稳定性智能增强分析与控制技术”(2021YFB2400800)。; 文摘提升复杂多变运行场景下电网稳定评估的时效性和准确性,提出一种融合注意力机制和卷积神经网络(convolutional neural network,CNN)的暂态电压稳定评估及可解释性分析方法。首先,采用卷积块注意力模块(convolutional block attention module,CB AM)提升传统CNN的特征捕获能力,考虑模型特性和网络结构设计CBAMCNN组合模块。其次,建立基于CBAM-CNN的电网暂态电压稳定评估模型,揭示运行工况多变场景下系统关键电气量和稳定状态之间的映射关系。最后,基于沙普利值加性解释(Shapley additive explanations,SHAP)理论提出数据驱动模型评估结果的可解释性分析框架,提炼影响样本稳定状态的主导特征,评估各输入特征量对模型输出结果的贡献程度。在典型受端电网仿真系统中验证了所提稳定评估方法的准确性和可解释性分析方法的有效性。; 关键词卷积块注意力模块-卷积神经网络暂态电压稳定评估沙普利值加性解释理论可解释性分析; Keywords CBAM-CNN transient voltage stability evaluation SHAP theory interpretability analysis; 分类号 TM712 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于逐步特征增广梯度提升的暂态功角稳定评估及可解释性分析被引量：1: 2; 作者刘旭刘颂凯杨超张磊段雨舟晏光辉; 机构三峡大学电气与新能源学院深圳供电局有限公司罗湖供电局国网十堰供电公司; 出处《现代电力》北大核心 2024年第5期844-853,共10页; 基金国家自然科学基金项目(52007103,62233006) 湖北省自然科学基金项目(2022CFB825) +1 种基金梯级水电站运行与控制湖北省重点实验室(三峡大学)开放基金(2019KJX11)。; 文摘基于数据驱动的电力系统暂态功角稳定评估虽然可以提供较为准确的结果,但其评估结果缺乏可解释性,导致难以应用于工程实际中。针对该问题,提出一种基于逐步特征增广梯度提升(gradient boosting enhanced with step-wise feature augmentation,AugBoost)的暂态功角稳定评估及可解释性分析方法。首先,通过训练AugBoost评估模型,建立电力系统输入特征与暂态功角稳定指标之间的映射关系;其次,将相量测量单元的实时量测数据传输到训练好的AugBoost评估模型中,提供实时评估结果;并根据沙普利值加性解释(Shapley additive explanations,SHAP)模型对评估结果和输入特征之间的关系进行解释,提高结果的可信度。最后,设计模型更新过程来提升评估模型面对电力系统运行工况变化的鲁棒性。在电力系统仿真软件PSS/E提供的23节点系统和1648节点系统上的仿真结果验证了所提方法的有效性。; 关键词暂态功角稳定评估逐步特征增广梯度提升沙普利值加性解释可解释性分析模型更新; Keywords transient angle stability assessment AugBoost Shapley additive explanations(SHAP) interpretability analysis model update; 分类号 TM712 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于强化学习的混合元启发式暂态电压稳定特征选择方法及可解释性研究被引量：3: 3; 作者甄永赞阮程; 机构新能源电力系统国家重点实验室(华北电力大学); 出处《电网技术》 EI CSCD 北大核心 2024年第4期1519-1531,I0043,共14页; 基金国家重点研发计划项目(响应驱动的大电网稳定性智能增强分析与控制技术)(2021YFB2400800)。; 文摘新型电力系统发展背景下,使用有效的特征选择方法来提取与暂态电压稳定强相关的关键响应特征,对研究暂态电压失稳机理与系统潜在安全隐患具有重要意义。为此,提出一种基于改进过滤法与混合元启发式包装法的复合框架进行特征选择的新方法。基于对称不确定性值改进的最大相关最小冗余性准则进行特征粗筛;将Q学习强化学习融合至元启发式优化算法中,并采用开发探索折衷策略以增强特征细选能力,获取最优关键响应特征子集。在此基础上,采用沙普利值加性解释归因理论综合分析各筛选特征对暂态电压稳定的影响与系统薄弱环节。新型电力系统算例验证了所提方法的有效性。; 关键词暂态电压稳定特征选择强化学习混合元启发式沙普利值加性解释; Keywords transient voltage stability feature selection reinforcement learning hybrid element heuristics Shapley additive explanation; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于机器学习的公交驾驶员事故风险识别及影响因素研究被引量：4: 4; 作者朱彤秦丹魏雯任杰冯移冬; 机构长安大学运输工程学院交通运输部公路科学研究所; 出处《中国安全科学学报》 CAS CSCD 北大核心 2023年第2期23-30,共8页; 基金国家重点研发计划(2019YFE0108000) 陕西省交通运输厅科研项目(21-34R)。; 文摘为从公交驾驶员群体中识别出易发生事故的风险公交驾驶员,结合某市公交公司营运安全管理系统数据库、百度应用程序接口(API)及网络爬取技术,并应用K近邻算法补充缺失值,获取42条线路及1893名驾驶员的数据;基于驾驶员、车辆、线路特征、违规行为、事故、管理等基本特征变量构造派生变量;采用包括递归特征消除、有惩罚项的逻辑回归、随机森林的集成方法选择特征;采用极致梯度提升(XGBoost)等6种机器方法分别建立分类模型,并采用贝叶斯方法优化超参数。结果表明:在构建的6个分类模型中,XGBoost方法构建的模型其受试者工作特征(ROC)曲线下的面积(AUC)评估结果最佳;运用贝叶斯方法优化模型,可以在一定程度上提升ROC的AUC指标;对于风险公交驾驶员预测准确率达到98.66%,运营单位还可以根据自身情况权衡虚报率与命中率代价。此外,车辆服役时间、违规次数等特征对于事故风险具有明显的非线性影响。; 关键词风险公交驾驶员机器学习事故风险极致梯度提升(XGBoost) SHapley加性解释(SHAP)值; Keywords risky bus drivers machine learning accident risk extreme gradient boosting(XGBoost) SHapley additive explanation(SHAP)value; 分类号 X928 [环境科学与工程—安全科学]; 在线阅读下载PDF 职称材料

题名基于自然梯度提升的静态电压稳定裕度预测及其影响因素分析被引量：6: 5; 作者王强陈浩刘炼; 机构三峡大学电气与新能源学院; 出处《电力系统及其自动化学报》 CSCD 北大核心 2022年第9期130-137,共8页; 基金国网江西省电力有限公司科技项目(5218F0180049)。; 文摘为提升电压稳定裕度预测的精准度和增强预测模型的可解释性,将自然梯度提升算法与沙普利值加性解释理论应用于电压稳定裕度预测中。以离线样本为基础,采用自然梯度提升算法探索运行状态变量与电压稳定裕度间的非线性映射关系,构建自然梯度提升驱动的电压稳定裕度预测模型。然后,引入沙普利值加性解释理论对自然梯度提升模型进行解释,构建基于沙普利值加性解释理论的电压稳定裕度预测影响因素分析架构,并通过全局分析和个体分析两个角度,给出各特征量对于电压稳定裕度预测的具体影响过程,挖掘出导致系统电压稳定裕度降低的关键因素。在新英格兰39节点系统上的算例分析结果表明,与其他算法相比,自然梯度提升不仅具有最佳的预测精度,还拥有良好的鲁棒性与泛化能力,并且基于沙普利值加性解释理论的影响因素分析架构为电压稳定裕度预测提供了依据和支撑。; 关键词电压稳定裕度机器学习自然梯度提升沙普利值加性解释可解释性; Keywords voltage stability margin(VSM) machine learning natural gradient boosting(NGBoost) Shapley additive explanations(SHAP) interpretability; 分类号 TM712 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	融合注意力机制和卷积神经网络的电网暂态电压稳定评估及可解释性分析	张哲秦博宇高鑫丁涛张逸兴	《电网技术》 EI CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
2	基于逐步特征增广梯度提升的暂态功角稳定评估及可解释性分析	刘旭刘颂凯杨超张磊段雨舟晏光辉	《现代电力》北大核心	2024	1	在线阅读下载PDF 职称材料
3	基于强化学习的混合元启发式暂态电压稳定特征选择方法及可解释性研究	甄永赞阮程	《电网技术》 EI CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
4	基于机器学习的公交驾驶员事故风险识别及影响因素研究	朱彤秦丹魏雯任杰冯移冬	《中国安全科学学报》 CAS CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料
5	基于自然梯度提升的静态电压稳定裕度预测及其影响因素分析	王强陈浩刘炼	《电力系统及其自动化学报》 CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料