基于深度置信网络的电压暂降特征提取及源辨识方法

被引：62

作者：

李丹奇 ^{[1
]}

梅飞 ^{[2
]}

张宸宇 ^{[3
]}

沙浩源 ^{[1
]}

郑建勇 ^{[1
]}

李陶然 ^{[1
]}

机构：

[1] 东南大学电气工程学院

[2] 河海大学能源与电气学院

[3] 国网江苏省电力有限公司电力科学研究院

来源：

电力系统自动化 | 2020年 / 44卷 / 04期

关键词：

电压暂降; 深度学习; 深度置信网络; 特征提取; 暂降源辨识;

D O I：

暂无

中图分类号：

TM714.2 [电压调整];

学科分类号：

080802 [电力系统及其自动化];

摘要：

提出一种基于深度置信网络(DBN)的电压暂降特征提取与暂降源辨识方法,利用DBN的特征提取能力对实测波形数据进行特征自提取,解决了人工提取特征过度依赖专家经验,受未知特征影响较大不具备一般性的问题。采用多隐层结构网络学习特征最终实现暂降源辨识。该模型集特征提取器与分类器于一体,优化了模型结构框架,提高了暂降源辨识效率。对模型最优参数进行选择,建立适用于电压暂降实测数据类型的DBN模型,对电网实测暂降数据进行特征提取与暂降源辨识,通过对比验证了DBN方法在特征提取与暂降源识别上的优越性,适用于实际工程。

引用

页码：150 / 158

页数：9

共 15 条

[1]

基于深度置信网络的电力系统暂态稳定评估方法 [J].