典型文献
基于改进域对抗迁移学习的电力系统暂态稳定自适应评估
文献摘要：
在电力系统运行方式和拓扑结构频繁变化时,数据驱动的电力系统暂态稳定评估方法在实际系统中的应用效果会变差.针对这一问题,提出了一种基于改进域对抗迁移学习的暂态稳定自适应评估方法.根据电力系统量测数据的特点,设计了深度神经网络,并在运行场景改变后,利用梯度翻转层引入域对抗训练机制,提取源域和目标域之间的公共特征,缩小域间分布差异,减少训练样本需求.同时,同步迁移源域的模型知识并更新特征提取器参数,保证模型更新的快速性和准确性.IEEE 39节点系统和美国南卡罗莱纳州500节点电网测试结果表明,通过合理迁移原始数据以及模型,所提方法可减少目标域训练样本规模,具有快速性、通用性和较强的自适应性.
文献关键词：
暂态稳定评估;迁移学习;域对抗神经网络;电力系统
中图分类号：
作者姓名：
申锦鹏;杨军;李蕊;张俊;王晓;王飞跃
作者机构：
武汉大学电气与自动化学院,湖北省武汉市 430072;中国科学院自动化研究所复杂系统管理与控制国家重点实验室,北京市 100190
文献出处：
引用格式：
[1]申锦鹏;杨军;李蕊;张俊;王晓;王飞跃-.基于改进域对抗迁移学习的电力系统暂态稳定自适应评估)[J].电力系统自动化,2022(23):67-75
A类：
域对抗迁移学习
B类：
电力系统运行,运行方式,拓扑结构,电力系统暂态稳定评估,量测数据,深度神经网络,运行场景,对抗训练,训练机制,源域,目标域,分布差异,少训练,训练样本,更新特征,模型更新,快速性,IEEE,节点系统,南卡罗,莱纳,纳州,原始数据,通用性,自适应性,域对抗神经网络
AB值：
0.288168
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。
