典型文献
考虑代价敏感的AC-LSTM暂态稳定评估
文献摘要:
电力系统稳定样本与失稳样本的失衡会导致数据驱动型暂稳评估模型对失稳样本的漏分率增加,由于失稳样本漏判的代价远高于稳定样本误判的代价,因此提出一种引入代价敏感机制的AC-LSTM电力系统暂态稳定评估模型.通过改进Adaboost算法,引入代价敏感函数对样本权重进行更新,更好地考虑了少数类样本对整体分类准确率的影响,降低不稳定样本的漏分率.并进一步将改进的Adaboost算法和长短期记忆网络(long short-term memory,LSTM)相结合以提高分类器的综合性能.在IEEE39和IEEE140节点系统上的仿真结果表明,所提模型较其他模型具有良好的适应性和泛化能力,提升了评估模型的综合性能,其抗噪能力也优于其他模型.
文献关键词:
暂态稳定评估;样本不平衡;代价敏感;Adaboost;LSTM
中图分类号:
作者姓名:
李楠;朱嫄;崔莹
作者机构:
现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学),吉林吉林 132012;东北电力大学 电气工程学院,吉林吉林 132012;广东电网有限责任公司珠海供电局,广东珠海 519000
文献出处:
引用格式:
[1]李楠;朱嫄;崔莹-.考虑代价敏感的AC-LSTM暂态稳定评估)[J].电力系统保护与控制,2022(22):160-169
A类:
代价敏感机制,IEEE140
B类:
AC,电力系统稳定,稳评,分率,漏判,误判,电力系统暂态稳定评估,Adaboost,样本权重,少数类,整体分类,分类准确率,长短期记忆网络,long,short,term,memory,分类器,IEEE39,节点系统,泛化能力,样本不平衡
AB值:
0.274966
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。