基于堆稀疏自编码神经网络的电网安全预判

• 作者: 李书芳 李文启 李晓宇 田世明
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 电力系统暂态稳定性 堆稀疏自编码器 主导特征 分类器
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 论文
• 页码范围: 43-49
• 页数: 7页
• 分类号: TM712
• 语种: 中文
• DOI: 10.13190/j.jbupt.2017-100

摘要

为了满足安全裕度概念下电力系统暂态稳定评估的准确率和时效性,提出了基于深度学习的堆稀疏自编码神经网络(SSAEN)预判模型.首先尝试将母线时序电压数据构成的矩阵看作蕴含暂态运行机制的模式图,然后利用SSAEN逐层级地挖掘模式图的主导特征,并通过分析SSAEN的连接权重阐述了主导特征及其演变过程.最后通过Logistic分类器识别主导特征,预判未来时刻系统的稳定性.基于IEEE39系统仿真样本进行了实验,实验结果表明,SSAEN具有较高的准确度和预测速度,可为系统暂态失稳情况提供足够的安全时间裕度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田世明		40	1298	13.0	36.0
2	李书芳	北京邮电大学网络体系构建与融合北京市重点实验室	35	388	9.0	19.0
3	李文启		12	54	5.0	7.0
4	李晓宇	北京邮电大学网络体系构建与融合北京市重点实验室	3	5	2.0	2.0