典型文献
基于双向长短期记忆网络的输电线路状态画像与评估
文献摘要：
为提高输电线路状态评估的准确率,提出一种先聚类再回归的输电线路状态画像与评估模型.首先,设计自组织神经网络对输电线路原始数据进行降维,自适应地提取若干类代表性特征信息,无需人工提取特征和依据主观经验选择聚类数;然后,将代表性特征数据输入LSTM(长短期记忆)网络中,LSTM网络将前向学习和反向学习相结合,对模型进行双向训练与评估,建立输电线路核心数据与状态的非线性映射关系,提高电网场景下的输电线路状态评估准确率.实验结果表明,所提模型在实际数据集上取得了较好的评估效果,评估准确率高于常用的支持向量机、人工神经网络、稀疏自动编码机等方法.
文献关键词：
输电线路状态评估;双向长短期记忆网络;自组织神经网络;降维
中图分类号：
作者姓名：
吴晨曦;李博亚;孙弼洋;钟素鹏
作者机构：
国网浙江省电力有限公司超高压分公司,杭州 310000
文献出处：
引用格式：
[1]吴晨曦;李博亚;孙弼洋;钟素鹏-.基于双向长短期记忆网络的输电线路状态画像与评估)[J].浙江电力,2022(10):34-41
A类：
输电线路状态评估
B类：
双向长短期记忆网络,画像,自组织神经网络,原始数据,若干类,代表性特征,特征信息,提取特征,聚类数,特征数据,反向学习,心数,非线性映射,映射关系,实际数据,评估效果,人工神经网络,自动编码机
AB值：
0.194376
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。
