采用长短期记忆网络与压缩感知实现电物理量轻型化方法

• 作者: 周学斌 李晓明 李雷 甘凌霞
• 来源期刊: 电力系统自动化
• 关键词: 电力系统 轻型化 深度学习 长短期记忆网络 压缩感知
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 人工智能在电力系统及综合能源系统中的应用专辑
• 页码范围: 102-109,241
• 页数: 9页
• 字数: 8201字
• 语种: 中文
• DOI: 10.7500/AEPS20180324001

摘要

为进一步提升信息化电网性能, 提出一种基于长短期记忆网络 (LSTM) 与压缩感知 (CS) 实现电物理量轻型化方法.将时间序列变化的电物理量采样数据作为LSTM模型的输入量, 稳定结果作为输出量, 通过时间反向传播 (BPTT) 算法训练LSTM模型参数, 训练后的模型能充分利用循环架构的特征进行模式识别, 并根据LSTM模式识别结果, 将信号选择原子库进行CS, 来确定测量采样频率.实例结果表明, LSTM+CS方法比常用传统方法采样频率低, 传输参数少, 可大幅节省存储容量和减轻网络流量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晓明	武汉大学电气工程学院	214	2030	22.0	32.0
2	周学斌	武汉大学电气工程学院	3	5	2.0	2.0
3	李雷		1	3	1.0	1.0
4	甘凌霞		1	3	1.0	1.0