典型文献
基于约束投票极限学习机的在线静态电压稳定评估
文献摘要：
快速准确的在线静态电压稳定评估是规模化互联电网安全稳定运行的重要保障.针对传统神经网络学习模型调参繁杂、训练时间长、样本需求数量庞大等缺点,提出了一种基于约束投票极限学习机(constrained voting extreme learning machine,CV-ELM)的在线静态电压稳定评估模型.CV-ELM基于类间样本差值构建差向量集计算输入层对隐藏层的权值及隐藏层节点偏置项,并引入多数投票机制,通过集成学习的方式进行分类决策.此外,CV-ELM可自适应确定网络参数,在分类准确率、鲁棒性及泛化能力方面均优于传统的ELM.最后,基于新英格兰10机39节点系统的算例仿真结果证明了所提模型的有效性.
文献关键词：
静态电压稳定评估;电压稳定裕度;约束投票极限学习机;集成学习;机器学习
中图分类号：
作者姓名：
汤迎春;晏光辉;张雅婷;刘书池;刘颂凯;张磊
作者机构：
国网孝感供电公司, 湖北省孝感市432000;三峡大学电气与新能源学院, 湖北省宜昌市443002
文献出处：
引用格式：
[1]汤迎春;晏光辉;张雅婷;刘书池;刘颂凯;张磊-.基于约束投票极限学习机的在线静态电压稳定评估)[J].现代电力,2022(05):521-528
A类：
约束投票极限学习机,投票极限学习机
B类：
静态电压稳定评估,快速准确,互联电网,电网安全,安全稳定运行,神经网络学习,繁杂,训练时间,求数,constrained,voting,extreme,learning,machine,CV,ELM,输入层,权值,隐藏层节点,偏置,多数投票,投票机制,集成学习,分类决策,网络参数,分类准确率,泛化能力,新英格兰,节点系统,电压稳定裕度
AB值：
0.252926
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。
