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LightGBM算法的光伏并网系统孤岛检测及其集成的可解释研究
被引量：
10
1
作者
朱春霖
余成波
《电力自动化设备》
EI
CSCD
北大核心
2023年第7期80-86,150,共8页
针对智能孤岛检测方法欠缺对数据集划分过程中标签分布不均问题的考虑,以及该领域尚未对复杂智能孤岛检测模型的决策进行可解释性分析,提出了一种基于轻梯度提升机(LightGBM)算法的孤岛检测模型。采用分层抽样的K折交叉验证检测模型的...
针对智能孤岛检测方法欠缺对数据集划分过程中标签分布不均问题的考虑,以及该领域尚未对复杂智能孤岛检测模型的决策进行可解释性分析,提出了一种基于轻梯度提升机(LightGBM)算法的孤岛检测模型。采用分层抽样的K折交叉验证检测模型的分类性能,解决数据标签分布不均的问题;提出基于决策树的Shapley值加性解释方法为主干,融合累计局部效应图和局部代理模型的集成可解释分析框架,从全局性和局部性角度对光伏并网系统的孤岛状态检测进行归因分析。算例仿真结果表明,所提模型能在传统检测方法的检测盲区中实现精确且快速的动态孤岛检测,且在电压波动、系统故障等情况下均未发生误判。基于集成的归因分析方法解决了单一可解释方法的欠合理性问题,揭示了模型输入电气特征自变量与孤岛检测响应因变量之间的关系,提高了模型的可信度。
展开更多
关键词
光伏并网系统
孤岛检测
机器学习
LightGBM算法
SHAPLEY值
可解释性
在线阅读
下载PDF
职称材料
基于双重注意力机制CNN-BiLSTM与LightGBM误差修正的超短期风电功率预测
被引量：
6
2
作者
龙铖
余成波
+3 位作者
何铖
朱春霖
张未
陈佳
《电气工程学报》
CSCD
北大核心
2024年第2期138-145,共8页
为了响应国家“双碳”目标,针对风电功率预测误差影响电网安全稳定运行的问题,提出一种基于双重注意力机制改进的CNN-BiLSTM初步预测和LightGBM误差修正的组合预测模型。该模型首先利用卷积神经网络(Convolutional neural network,CNN)...
为了响应国家“双碳”目标,针对风电功率预测误差影响电网安全稳定运行的问题,提出一种基于双重注意力机制改进的CNN-BiLSTM初步预测和LightGBM误差修正的组合预测模型。该模型首先利用卷积神经网络(Convolutional neural network,CNN)与注意力机制结合构成特征注意力模块自适应提取风电功率重要特征,然后利用双向长短期记忆网络(Bi-directional long short-term memory,BiLSTM)与注意力机制结合构成时间注意力模块对风电功率进行初步预测,最后利用LightGBM构造误差修正模型,对初步预测结果进行修正。使用平均绝对误差(Mean absolute error,MAE)、均方根误差(Root mean square error,RMSE)和确定系数(R^(2))作为试验评价指标,结果表明,该组合模型预测效果明显优于BiLSTM、CNN-BiLSTM等模型。
展开更多
关键词
风电功率预测
注意力机制
卷积神经网络
长短期记忆网络
误差修正
LightGBM
在线阅读
下载PDF
职称材料
题名
基于LightGBM算法的光伏并网系统孤岛检测及其集成的可解释研究
被引量：
10
1
作者
朱春霖
余成波
机构
重庆
理工大学电气与电子工程学院
重庆市输变电设备物联网技术研究所
出处
《电力自动化设备》
EI
CSCD
北大核心
2023年第7期80-86,150,共8页
基金
国家自然科学基金资助项目(61976030)
高端外国专家项目(GDW20165200063)
重庆市高校优秀成果转化项目(KJZH4213)。
文摘
针对智能孤岛检测方法欠缺对数据集划分过程中标签分布不均问题的考虑,以及该领域尚未对复杂智能孤岛检测模型的决策进行可解释性分析,提出了一种基于轻梯度提升机(LightGBM)算法的孤岛检测模型。采用分层抽样的K折交叉验证检测模型的分类性能,解决数据标签分布不均的问题;提出基于决策树的Shapley值加性解释方法为主干,融合累计局部效应图和局部代理模型的集成可解释分析框架,从全局性和局部性角度对光伏并网系统的孤岛状态检测进行归因分析。算例仿真结果表明,所提模型能在传统检测方法的检测盲区中实现精确且快速的动态孤岛检测,且在电压波动、系统故障等情况下均未发生误判。基于集成的归因分析方法解决了单一可解释方法的欠合理性问题,揭示了模型输入电气特征自变量与孤岛检测响应因变量之间的关系,提高了模型的可信度。
关键词
光伏并网系统
孤岛检测
机器学习
LightGBM算法
SHAPLEY值
可解释性
Keywords
grid-connected photovoltaic system
islanding detection
machine learning
LightGBM algorithm
Shapley value
interpretability
分类号
TM761 [电气工程—电力系统及自动化]
TM615 [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
基于双重注意力机制CNN-BiLSTM与LightGBM误差修正的超短期风电功率预测
被引量：
6
2
作者
龙铖
余成波
何铖
朱春霖
张未
陈佳
机构
重庆
理工大学电气与电子工程学院
重庆
理工大学
重庆市输变电设备物联网技术研究所
出处
《电气工程学报》
CSCD
北大核心
2024年第2期138-145,共8页
基金
国家自然科学基金(61976030)
高端外国专家(GDW20165200063)
重庆高校优秀成果转化(KJZH4231)资助项目。
文摘
为了响应国家“双碳”目标,针对风电功率预测误差影响电网安全稳定运行的问题,提出一种基于双重注意力机制改进的CNN-BiLSTM初步预测和LightGBM误差修正的组合预测模型。该模型首先利用卷积神经网络(Convolutional neural network,CNN)与注意力机制结合构成特征注意力模块自适应提取风电功率重要特征,然后利用双向长短期记忆网络(Bi-directional long short-term memory,BiLSTM)与注意力机制结合构成时间注意力模块对风电功率进行初步预测,最后利用LightGBM构造误差修正模型,对初步预测结果进行修正。使用平均绝对误差(Mean absolute error,MAE)、均方根误差(Root mean square error,RMSE)和确定系数(R^(2))作为试验评价指标,结果表明,该组合模型预测效果明显优于BiLSTM、CNN-BiLSTM等模型。
关键词
风电功率预测
注意力机制
卷积神经网络
长短期记忆网络
误差修正
LightGBM
Keywords
Wind power prediction
attention mechanism
convolutional neural network
long short-term memory network
error correction
LightGBM
分类号
TM614 [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LightGBM算法的光伏并网系统孤岛检测及其集成的可解释研究
朱春霖
余成波
《电力自动化设备》
EI
CSCD
北大核心
2023
10
在线阅读
下载PDF
职称材料
2
基于双重注意力机制CNN-BiLSTM与LightGBM误差修正的超短期风电功率预测
龙铖
余成波
何铖
朱春霖
张未
陈佳
《电气工程学报》
CSCD
北大核心
2024
6
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
