期刊导航
期刊开放获取
河南省图书馆
退出
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
1
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
基于深度神经网络的数据驱动潮流计算异常误差改进策略
被引量:
5
1
作者
雷江龙
余娟
+3 位作者
向明旭
杨知方
杨燕
李文沅
《电力系统自动化》
EI
CSCD
北大核心
2022年第1期76-84,共9页
在考虑不确定性的N-1安全校核、可靠性计算等需大规模重复潮流计算的场景中,基于深度神经网络(DNN)的数据驱动方法存在部分潮流变量误差异常的问题,影响潮流越限判别的准确率。对此,首先通过理论推导,分析DNN参数更新过程及数据标准化原...
在考虑不确定性的N-1安全校核、可靠性计算等需大规模重复潮流计算的场景中,基于深度神经网络(DNN)的数据驱动方法存在部分潮流变量误差异常的问题,影响潮流越限判别的准确率。对此,首先通过理论推导,分析DNN参数更新过程及数据标准化原理,发现该问题的重要成因之一为:DNN仅根据标准化误差迭代训练模型,未计及潮流变量的真实学习误差及工程实际的精度要求,无法及时针对误差异常的潮流变量调整DNN参数。然后,面向潮流计算提出基于动态学习权重的DNN自适应训练方法。该方法通过每轮迭代中验证集的真实学习误差、越限误判率及误差统计指标,确定各潮流变量的学习权重,有效降低数据驱动潮流计算的异常误差。最后,在IEEE标准算例和Polish 2383节点系统上仿真验证了所提方法的有效性。
展开更多
关键词
数据驱动
潮流计算
深度神经网络(DNN)
异常误差分析
学习权重
下载PDF
职称材料
题名
基于深度神经网络的数据驱动潮流计算异常误差改进策略
被引量:
5
1
作者
雷江龙
余娟
向明旭
杨知方
杨燕
李文沅
机构
输配电装备及系统安全与新技术国家重点实验室(重庆大学)
出处
《电力系统自动化》
EI
CSCD
北大核心
2022年第1期76-84,共9页
基金
国家自然科学基金资助项目(52077016)
重庆市自然科学基金资助项目(cstc2020jcyj-msxmX0315)
中央高校基本科研业务费专项资金资助项目(2020CDJ-LHZZ-079)~。
文摘
在考虑不确定性的N-1安全校核、可靠性计算等需大规模重复潮流计算的场景中,基于深度神经网络(DNN)的数据驱动方法存在部分潮流变量误差异常的问题,影响潮流越限判别的准确率。对此,首先通过理论推导,分析DNN参数更新过程及数据标准化原理,发现该问题的重要成因之一为:DNN仅根据标准化误差迭代训练模型,未计及潮流变量的真实学习误差及工程实际的精度要求,无法及时针对误差异常的潮流变量调整DNN参数。然后,面向潮流计算提出基于动态学习权重的DNN自适应训练方法。该方法通过每轮迭代中验证集的真实学习误差、越限误判率及误差统计指标,确定各潮流变量的学习权重,有效降低数据驱动潮流计算的异常误差。最后,在IEEE标准算例和Polish 2383节点系统上仿真验证了所提方法的有效性。
关键词
数据驱动
潮流计算
深度神经网络(DNN)
异常误差分析
学习权重
Keywords
data-driven
power flow calculation
deep neural network(DNN)
abnormal error analysis
learning weight
分类号
TM744 [电气工程—电力系统及自动化]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度神经网络的数据驱动潮流计算异常误差改进策略
雷江龙
余娟
向明旭
杨知方
杨燕
李文沅
《电力系统自动化》
EI
CSCD
北大核心
2022
5
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