典型文献
基于深度学习的智能电网稳定性预测
文献摘要：
基于深度学习算法,构建智能电网稳定性预测模型.选取BP神经网络及卷积神经网络CNN算法作为分类学习器,并对其进行参数调优、优化算法选择、迭代预测.输出模型预测结果和模型评价指标,并结合机器学习预测结果,对深度学习模型准确性及性能等方面做对比分析.最终确定Adam优化器下的CNN模型效果最优,迭代80次的精确度为0.979 0,所需时间为28.398 7 s.该模型对提高智能电网预测的准确性、实现高效配电具有重要意义,有效帮助电力系统提前预警,降低安全隐患.
文献关键词：
智能电网;深度学习;BP神经网络;CNN
中图分类号：
作者姓名：
张晓颖;段金凤;吴琦
作者机构：
长春大学理学院,长春130022
文献出处：
引用格式：
[1]张晓颖;段金凤;吴琦-.基于深度学习的智能电网稳定性预测)[J].长春大学学报,2022(08):1-7
A类：
B类：
智能电网,电网稳定性,稳定性预测,深度学习算法,分类学,参数调优,算法选择,迭代预测,出模,模型评价指标,机器学习预测,深度学习模型,Adam,优化器,高智能,电网预测,配电,电力系统,提前预警
AB值：
0.377621
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。
