典型文献
基于集成学习的时间自适应电力系统暂态稳定评估方法
文献摘要：
对于电力系统暂态稳定评估而言,在故障清除后的早期阶段,临界样本间的特征差异不明显,预测准确率低.随着时间推移,准确率提高,但难以保证评估的及时性.针对暂态稳定评估的评估准确性与及时性之间的矛盾,提出了基于集成学习的时间自适应电力系统暂态稳定评估方法.首先,通过EasyEnsemble算法对不平衡数据进行采样,训练出多个不同评估时刻的集成长短期记忆网络分类器,输出样本在不同评估时刻的稳定性预测结果.其次,将评估时刻进行划分,提出了多阶段阈值分类规则,自适应调整阈值,对样本预测结果进行可信度评估.最后,预测结果评估为不可信的样本交由下一评估时刻的模型继续判断,直到可信度达到阈值后输出.在IEEE 39节点系统的仿真结果表明,所提方法相较于其他时间自适应方法具有更优的评估性能,在样本不平衡的情况下该方法实现了更好的修正效果.
文献关键词：
深度学习;暂态稳定评估;集成学习;时间自适应评估;样本不平衡
中图分类号：
作者姓名：
吴思婕;王怀远
作者机构：
新能源发电与电能变换重点实验室(福州大学),福建福州 350116
文献出处：
引用格式：
[1]吴思婕;王怀远-.基于集成学习的时间自适应电力系统暂态稳定评估方法)[J].电力系统保护与控制,2022(24):112-119
A类：
时间自适应评估
B类：
集成学习,电力系统暂态稳定评估,故障清除,早期阶段,特征差异,预测准确率,时间推移,及时性,评估准确性,EasyEnsemble,不平衡数据,练出,长短期记忆网络,分类器,稳定性预测,多阶段,阈值分类,分类规则,自适应调整,样本预测,可信度评估,不可信,交由,IEEE,节点系统,自适应方法,样本不平衡
AB值：
0.272078
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。
