典型文献
基于改进DCGAN的电力系统暂态稳定增强型自适应评估
文献摘要：
海量的量测数据为基于数据驱动的暂态稳定预测方法提供了基础,然而故障态样本固有的不平衡性质影响了该类方法的性能.针对暂态稳定预测的样本不平衡问题,提出了一种基于改进深度卷积生成对抗网络(DCGAN)的样本增强方法,通过生成器和判别器交替对抗训练生成全新有效的失稳样本作为原始训练集的补充.离线训练时,采用深度置信网络作为分类器,采用扩充后的样本集对其进行训练,有效提高了模型对失稳样本的识别率;在线应用时,当系统发生预料之外的变化,采用样本迁移和模型微调技术更新离线模型,进一步对迁移之后的失稳样本进行增强,显著提高了暂态稳定自适应评估的迁移速度和在新场景下失稳样本的识别率,使得评估结果更加可靠.在IEEE 39节点系统和IEEE 140节点系统上的实验结果验证了所提方法的有效性.
文献关键词：
暂态稳定;数据驱动;不平衡样本;迁移学习;数据增强;深度卷积生成对抗网络
中图分类号：
作者姓名：
李宝琴;吴俊勇;强子玥;覃柳芸;郝亮亮
作者机构：
北京交通大学电气工程学院,北京市 100044
文献出处：
引用格式：
[1]李宝琴;吴俊勇;强子玥;覃柳芸;郝亮亮-.基于改进DCGAN的电力系统暂态稳定增强型自适应评估)[J].电力系统自动化,2022(02):73-82
A类：
B类：
DCGAN,电力系统,暂态稳定,增强型,量测数据,不平衡性,样本不平衡,不平衡问题,进深,深度卷积生成对抗网络,样本增强,增强方法,生成器,判别器,对抗训练,训练集,离线训练,深度置信网络,分类器,样本集,识别率,在线应用,系统发生,预料,模型微调,微调技术,技术更新,离线模型,新场景,IEEE,节点系统,不平衡样本,迁移学习,数据增强
AB值：
0.388394
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。
