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
基于深度迁移学习理论含风电光伏系统的地区电网网损率计算
被引量：
11
1
作者
卢志刚
杨英杰
+2 位作者
李学平
陈建华
刘建恒
《中国电机工程学报》
EI
CSCD
北大核心
2020年第13期4102-4110,共9页
针对含风电光伏电力系统网损率计算的问题,提出一种基于深度迁移学习(transfer-deep boltzmann network-deep neural network,TDBN-DNN)的网损率计算模型。首先将训练好的深度学习模型作为源模型,并冻结深度置信网络(deep boltzmann net...
针对含风电光伏电力系统网损率计算的问题,提出一种基于深度迁移学习(transfer-deep boltzmann network-deep neural network,TDBN-DNN)的网损率计算模型。首先将训练好的深度学习模型作为源模型,并冻结深度置信网络(deep boltzmann network,DBN)特征提取层。然后定义了最大均值差异贡献数ρi,迁移出与待计算数据分布更接近的样本数据,微调深层神经网络(deep neural network,DNN),得到基于TDBN-DNN的网损率计算模型。最后以中国北方某地区实际电网为算例进行验证,仿真结果表明,该DBN-DNN深度学习计算方法较传统浅层结构的BP(back propagation)神经网络计算方法拥有更好的非线性拟合能力。此外,经过迁移学习后得到的深度迁移学习TDBN-DNN模型拥有更高的计算精度与更好的时效性,而且该模型具有一定的数据容错性。
展开更多
关键词
深度学习
迁移学习
最大均值差异
网损率计算
在线阅读
下载PDF
职称材料
题名
基于深度迁移学习理论含风电光伏系统的地区电网网损率计算
被引量：
11
1
作者
卢志刚
杨英杰
李学平
陈建华
刘建恒
机构
燕山大学电力电子节能与传动控制河北省重点实验室
国网冀北电力有限公司
出处
《中国电机工程学报》
EI
CSCD
北大核心
2020年第13期4102-4110,共9页
基金
国家自然科学基金项目(61873225,61374098)。
文摘
针对含风电光伏电力系统网损率计算的问题,提出一种基于深度迁移学习(transfer-deep boltzmann network-deep neural network,TDBN-DNN)的网损率计算模型。首先将训练好的深度学习模型作为源模型,并冻结深度置信网络(deep boltzmann network,DBN)特征提取层。然后定义了最大均值差异贡献数ρi,迁移出与待计算数据分布更接近的样本数据,微调深层神经网络(deep neural network,DNN),得到基于TDBN-DNN的网损率计算模型。最后以中国北方某地区实际电网为算例进行验证,仿真结果表明,该DBN-DNN深度学习计算方法较传统浅层结构的BP(back propagation)神经网络计算方法拥有更好的非线性拟合能力。此外,经过迁移学习后得到的深度迁移学习TDBN-DNN模型拥有更高的计算精度与更好的时效性,而且该模型具有一定的数据容错性。
关键词
深度学习
迁移学习
最大均值差异
网损率计算
Keywords
deep learning
migration learning
maximum mean difference
network loss rate calculation
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
基于深度迁移学习理论含风电光伏系统的地区电网网损率计算
卢志刚
杨英杰
李学平
陈建华
刘建恒
《中国电机工程学报》
EI
CSCD
北大核心
2020
11
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
