典型文献
基于改进深度置信网络的智能电网暂态安全状态感知
文献摘要：
深度学习是感知智能电网暂态安全状态的有效方法,针对多层重构学习过程低维特征及结构参数难以全局寻优的问题,提出了一种改进深度置信网络(Deep Belief Network,DBN)方法.首先,该方法利用SMOTE过采样算法,增加样本多样性,促使DBN深层架构的挖掘.其次,直接面向噪声样本,DBN通过网络中各神经元吉布斯抽样的二值状态,增强重构特征的抗噪能力.最后,建立了基于遗传算法(Genetic Algorithm,GA)的GA-DBN模型,有效解决DBN结构参数调试繁琐的问题,确保DBN高精度地从底层量测数据提取低维特征,提高安全分类精度.新英格兰10机39节点系统的仿真实验表明,在样本不平衡、含噪声情况下,所提算法比其他算法的失稳漏判率降低,辩识准确率和F1分数提升.
文献关键词：
暂态安全感知;深度置信网络;SMOTE;遗传算法;样本不平衡
中图分类号：
作者姓名：
李海英;沈益涛;罗雨航
作者机构：
上海理工大学电气工程系,上海 200093;四川水利职业技术学院,四川成都 611231
文献出处：
引用格式：
[1]李海英;沈益涛;罗雨航-.基于改进深度置信网络的智能电网暂态安全状态感知)[J].电力系统保护与控制,2022(05):171-177
A类：
吉布斯抽样,增强重构,暂态安全感知
B类：
进深,深度置信网络,智能电网,安全状态,状态感知,感知智能,学习过程,低维特征,全局寻优,Deep,Belief,Network,DBN,法利,SMOTE,过采样,采样算法,样本多样性,深层架构,接面,重构特征,Genetic,Algorithm,GA,参数调试,量测数据,数据提取,高安全,安全分类,分类精度,新英格兰,节点系统,样本不平衡,声情,漏判率,辩识
AB值：
0.398966
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
