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
2
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
基于粒子群优化和卷积神经网络的电力系统运行状态辨识
被引量：
8
1
作者
杨晶
赵津蔓
+3 位作者
孟润泉
张东霞
李柏堉
武宇翔
《电网技术》
EI
CSCD
北大核心
2024年第1期315-324,共10页
随着“双碳”目标的提出,高比例可再生能源和高比例电力电子设备正成为电力系统发展的重要趋势和关键特征,其间歇性、不确定性使电力系统实时运行状态辨识面临严峻挑战。为此,该文提出一种基于粒子群优化和卷积神经网络(particle swarm ...
随着“双碳”目标的提出,高比例可再生能源和高比例电力电子设备正成为电力系统发展的重要趋势和关键特征,其间歇性、不确定性使电力系统实时运行状态辨识面临严峻挑战。为此,该文提出一种基于粒子群优化和卷积神经网络(particle swarm optimization and convolutional neural network,PSO-CNN)的高精度电力系统实时运行状态辨识方法。首先,该方法同时考虑电力系统安全域与稳定域下的暂态问题,适用于暂态稳定故障前、故障中及故障后多场景的电力系统运行状态辨识。其次,为确保样本数据中新能源机组出力方式的全面性,采用拉丁超立方抽样方法对精细化仿真数据采样,考虑到实际电力系统中存在状态类别极端不平衡问题,引入PSO算法调节模型不同类别损失函数权重以提高模型对极端不均衡样本的辨识效果。最后,分别在IEEE39节点系统及某省级电网系统中对所提方法进行评估,实验结果证明了所提状态辨识方法的有效性及鲁棒性。
展开更多
关键词
电力
系统运行状态辨识
粒子群优化算法
深度学习
在线阅读
下载PDF
职称材料
基于时空多视图学习算法的PMU电压数据重构方法
被引量：
2
2
作者
林俊杰
涂明权
+2 位作者
朱利鹏
宋文超
陆超
《中国电机工程学报》
EI
CSCD
北大核心
2024年第24期9533-9545,I0003,共14页
同步相量测量装置(phasor measurement unit,PMU)具有同步性好、分辨率高、相角直接可测等优点,是实现电力系统在线实时状态感知的重要信息源。然而,由于受到设备故障、气候干扰、通信问题等因素影响,实际电网中的PMU数据容易出现数据...
同步相量测量装置(phasor measurement unit,PMU)具有同步性好、分辨率高、相角直接可测等优点,是实现电力系统在线实时状态感知的重要信息源。然而,由于受到设备故障、气候干扰、通信问题等因素影响,实际电网中的PMU数据容易出现数据缺失和异常等情况,这将干扰后续基于PMU数据的电网高级应用,进而影响电网状态感知和运行调度的可靠性。首先,通过分析现场实测的PMU数据,归纳出4种低质量数据情况,并且利用机理分析和相关性分析方法对系统运行状态进行辨识;然后,将多视图学习方法与电网运行机理相结合,提出基于时空信息特征融合的多视图数据初步重构算法,对PMU低质量和缺失数据进行重构;最后,结合系统不同运行状态特点,利用不同视图生成数据进行低质量数据的辨识,并提出一种基于历史数据的自适应加权的缺失数据重构方法。仿真和实测数据表明该方法能有效对PMU低质量数据进行辨识并实时重构生成,为PMU数据在电力系统中的应用提供有效保障。
展开更多
关键词
同步相量量测数据
低质量数据
系统运行状态辨识
多视图学习法
数据重构
在线阅读
下载PDF
职称材料
题名
基于粒子群优化和卷积神经网络的电力系统运行状态辨识
被引量：
8
1
作者
杨晶
赵津蔓
孟润泉
张东霞
李柏堉
武宇翔
机构
电力系统运行与控制山西省重点实验室(太原理工大学)
中国电力科学研究院有限公司
出处
《电网技术》
EI
CSCD
北大核心
2024年第1期315-324,共10页
文摘
随着“双碳”目标的提出,高比例可再生能源和高比例电力电子设备正成为电力系统发展的重要趋势和关键特征,其间歇性、不确定性使电力系统实时运行状态辨识面临严峻挑战。为此,该文提出一种基于粒子群优化和卷积神经网络(particle swarm optimization and convolutional neural network,PSO-CNN)的高精度电力系统实时运行状态辨识方法。首先,该方法同时考虑电力系统安全域与稳定域下的暂态问题,适用于暂态稳定故障前、故障中及故障后多场景的电力系统运行状态辨识。其次,为确保样本数据中新能源机组出力方式的全面性,采用拉丁超立方抽样方法对精细化仿真数据采样,考虑到实际电力系统中存在状态类别极端不平衡问题,引入PSO算法调节模型不同类别损失函数权重以提高模型对极端不均衡样本的辨识效果。最后,分别在IEEE39节点系统及某省级电网系统中对所提方法进行评估,实验结果证明了所提状态辨识方法的有效性及鲁棒性。
关键词
电力
系统运行状态辨识
粒子群优化算法
深度学习
Keywords
power system operation state identification
particle swarm optimization algorithm
deep learning
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
基于时空多视图学习算法的PMU电压数据重构方法
被引量：
2
2
作者
林俊杰
涂明权
朱利鹏
宋文超
陆超
机构
福州大学电气工程与自动化学院
湖南大学电气与信息工程学院
新型电力系统运行与控制全国重点实验室(清华大学电机工程与应用电子技术系)
出处
《中国电机工程学报》
EI
CSCD
北大核心
2024年第24期9533-9545,I0003,共14页
基金
福建省自然科学基金项目(2021J05134)
新型电力系统运行与控制全国重点实验室开放基金课题(SKLD23KZ06)。
文摘
同步相量测量装置(phasor measurement unit,PMU)具有同步性好、分辨率高、相角直接可测等优点,是实现电力系统在线实时状态感知的重要信息源。然而,由于受到设备故障、气候干扰、通信问题等因素影响,实际电网中的PMU数据容易出现数据缺失和异常等情况,这将干扰后续基于PMU数据的电网高级应用,进而影响电网状态感知和运行调度的可靠性。首先,通过分析现场实测的PMU数据,归纳出4种低质量数据情况,并且利用机理分析和相关性分析方法对系统运行状态进行辨识;然后,将多视图学习方法与电网运行机理相结合,提出基于时空信息特征融合的多视图数据初步重构算法,对PMU低质量和缺失数据进行重构;最后,结合系统不同运行状态特点,利用不同视图生成数据进行低质量数据的辨识,并提出一种基于历史数据的自适应加权的缺失数据重构方法。仿真和实测数据表明该方法能有效对PMU低质量数据进行辨识并实时重构生成,为PMU数据在电力系统中的应用提供有效保障。
关键词
同步相量量测数据
低质量数据
系统运行状态辨识
多视图学习法
数据重构
Keywords
phasor measurement unit data
low quality data
system running status identification
multi-view-based learning method
data reconstruction
分类号
TM734 [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
基于粒子群优化和卷积神经网络的电力系统运行状态辨识
杨晶
赵津蔓
孟润泉
张东霞
李柏堉
武宇翔
《电网技术》
EI
CSCD
北大核心
2024
8
在线阅读
下载PDF
职称材料
2
基于时空多视图学习算法的PMU电压数据重构方法
林俊杰
涂明权
朱利鹏
宋文超
陆超
《中国电机工程学报》
EI
CSCD
北大核心
2024
2
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
