期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于增强型去噪自编码器与随机森林的电力系统扰动分类方法
被引量：
4
1
作者
李子康
刘灏
+1 位作者
毕天姝
杨奇逊
《现代电力》
北大核心
2022年第2期127-134,I0001,I0002,共10页
实时准确的电力系统扰动分类有利于避免大规模停电事故的发生。然而同步相量测量单元的数据质量问题严重影响其在扰动分类上的应用。针对此问题,提出了一种基于增强型去噪自编码器与随机森林的扰动分类方法。首先,利用长短期记忆构造一...
实时准确的电力系统扰动分类有利于避免大规模停电事故的发生。然而同步相量测量单元的数据质量问题严重影响其在扰动分类上的应用。针对此问题,提出了一种基于增强型去噪自编码器与随机森林的扰动分类方法。首先,利用长短期记忆构造一种增强型去噪自编码器,建立不良数据与正常数据间的映射关系。进一步,根据不同量测的验证损失变化趋势,提出了一种自适应权重多任务去噪网络,能够自适应更新各量测对应的损失函数权重以降低重构误差。最后,利用随机森林对特征进行分类,并通过贝叶斯优化对其超参数调优。基于IEEE 39系统,在不同不良数据比例下对该方法测试,验证所提方法的准确性和快速性。最后,通过现场数据验证了所提方法具有较高的泛化性。
展开更多
关键词
同步相量测量单元
电力系统扰动分类
长短期记忆网络
去噪自编码器
自适应权重
随机森林
贝叶斯优化
在线阅读
下载PDF
职称材料
题名
基于增强型去噪自编码器与随机森林的电力系统扰动分类方法
被引量：
4
1
作者
李子康
刘灏
毕天姝
杨奇逊
机构
新能源电力系统国家重点实验室(华北电力大学)
出处
《现代电力》
北大核心
2022年第2期127-134,I0001,I0002,共10页
基金
国家重点研发计划项目(2017YFB0902901)
国家自然科学基金项目(51707064,51725702,51627811)
国家电网公司总部科技项目“面向主厂站协同的新型电力系统宽频振荡统一实时监测技术研究”。
文摘
实时准确的电力系统扰动分类有利于避免大规模停电事故的发生。然而同步相量测量单元的数据质量问题严重影响其在扰动分类上的应用。针对此问题,提出了一种基于增强型去噪自编码器与随机森林的扰动分类方法。首先,利用长短期记忆构造一种增强型去噪自编码器,建立不良数据与正常数据间的映射关系。进一步,根据不同量测的验证损失变化趋势,提出了一种自适应权重多任务去噪网络,能够自适应更新各量测对应的损失函数权重以降低重构误差。最后,利用随机森林对特征进行分类,并通过贝叶斯优化对其超参数调优。基于IEEE 39系统,在不同不良数据比例下对该方法测试,验证所提方法的准确性和快速性。最后,通过现场数据验证了所提方法具有较高的泛化性。
关键词
同步相量测量单元
电力系统扰动分类
长短期记忆网络
去噪自编码器
自适应权重
随机森林
贝叶斯优化
Keywords
phasor measurement units
power system disturbance classification
long short-term memory
denoising autoencoder
adaptive weight
random forest
Bayesian optimization
分类号
TM73 [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
基于增强型去噪自编码器与随机森林的电力系统扰动分类方法
李子康
刘灏
毕天姝
杨奇逊
《现代电力》
北大核心
2022
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
