典型文献
基于两阶段迁移学习的电力系统暂态稳定评估框架
文献摘要：
为提高基于数据驱动的暂态稳定评估模型对电网的自适应性,将深度迁移学习引入更新过程,提出一种基于两阶段迁移学习的暂态稳定评估框架.所提框架根据时间尺度分为2个阶段:在第1阶段,利用深度子领域自适应网络挖掘无标注数据信息,将模型的评估性能快速提升到相对可靠的水平,得到迁移模型,结合时域仿真法进行综合判稳,提高电网变化初期模型的可用性;在第2阶段,利用迁移模型筛选高价值样本集,并结合样本迁移和微调技术进行二次更新,使评估性能恢复到较高水平,降低更新时间成本.在IEEE 39节点系统和中国某省级电网模型上进行测试,结果表明所提框架具有完备性,可使模型快速响应电网的变化.
文献关键词：
暂态稳定;评估;深度迁移学习;数据驱动应
中图分类号：
作者姓名：
李保罗;孙华东;张恒旭;高磊;徐式蕴;黄彦浩
作者机构：
电网智能化调度与控制教育部重点实验室(山东大学),山东省济南市 250061;中国电力科学研究院有限公司,北京市 100192
文献出处：
引用格式：
[1]李保罗;孙华东;张恒旭;高磊;徐式蕴;黄彦浩-.基于两阶段迁移学习的电力系统暂态稳定评估框架)[J].电力系统自动化,2022(17):176-185
A类：
B类：
两阶段,电力系统暂态稳定评估,评估框架,自适应性,深度迁移学习,更新过程,时间尺度,子领域自适应,域自适应网络,网络挖掘,迁移模型,时域仿真,可用性,模型筛选,高价值,样本集,微调技术,性能恢复,更新时间,时间成本,IEEE,节点系统,某省,省级电网,电网模型,完备性,快速响应,数据驱动应
AB值：
0.370073
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。
