-
题名基于代价敏感堆叠变分自动编码器的暂态稳定评估方法
被引量：34
- 1
-
-
作者
王怀远
陈启凡
-
机构
福建省新能源发电与电能变换重点实验室(福州大学电气工程与自动化学院)
-
出处
《中国电机工程学报》
EI
CSCD
北大核心
2020年第7期2213-2220,共8页
-
基金
福建省中青年教师教育科研项目(JT180018)。
-
文摘
机器学习算法在训练过程中,难免会遇到样本不平衡的情况,同时,对于电力系统来说稳定样本与不稳定样本的误分类代价是不同的,因此提出一种基于代价敏感堆叠变分自动编码器(stacked variational auto-encoder,SVAE)的电力系统暂态稳定评估方法。在模型训练过程中,通过改变误分类结果对模型参数调整的权重系数,修正了判别模型在不平衡样本训练过程中的倾向性,并提高了模型全局准确率。在此基础上,进一步提高不稳定样本的权重系数,有效加强了模型对不稳定样本的拟合程度,降低了不稳定样本的误判情况。在IEEE-39节点系统下的仿真结果说明,在不平衡样本情况下,所提方法可以改善判别结果的倾向性;在平衡样本情况下,通过误分类代价的设定可以有效降低不稳定样本的误判情况。
-
关键词
深度学习
堆叠变分自动编码器(svae)
暂态稳定性
代价敏感
不平衡样本
-
Keywords
deep learning
stacked variational auto-encoder(svae)
transient stability
cost-sensitive
imbalanced samples
-
分类号
TM712
[电气工程—电力系统及自动化]
-
