文档名：基于AWBLS的电力系统暂态稳定评估
摘要：为有效降低电力系统运行数据中样本不平衡问题对基于机器学习的暂态稳定评估方法分类性能的影响,提出一种基于自适应权重宽度学习系统AW-BLS(adaptiveweighted-broadlearningsystem)的电力系统暂态稳定评估方法.首先,在BLS的宽度结构中引入权重因子以改进BLS模型,有效降低了两类样本数量差距对学习过程的影响.然后,利用电力系统故障前的稳态运行数据对AW-BLS模型进行训练.最后,通过算例分析表明,所提方法在数据集存在样本不平衡问题时具有良好的评估准确率,同时还拥有较好的泛化能力.
作者：谭瑞 刘颂凯 张磊 张雅婷 刘聪Author：TANRui LIUSongkai ZHANGLei ZHANGYating LIUCong
作者单位：三峡大学电气与新能源学院,宜昌443002
刊名：电力系统及其自动化学报 ISTICPKU
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2023, 35(4)
分类号：TM712
关键词：机器学习 暂态稳定评估 样本不平衡 宽度学习系统 权重因子
机标分类号：TP391TM711G43
在线出版日期：2023年5月11日
基金项目：国家自然科学基金基于AW-BLS的电力系统暂态稳定评估[
期刊论文] 电力系统及其自动化学报--2023, 35(4)谭瑞 刘颂凯 张磊 张雅婷 刘聪为有效降低电力系统运行数据中样本不平衡问题对基于机器学习的暂态稳定评估方法分类性能的影响,提出一种基于自适应权重宽度学习系统AW-BLS(adaptiveweighted-broadlearningsystem)的电力系统暂态稳定评估方法.首先...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于AW-BLS的电力系统暂态稳定评估 Power System Transient Stability Assessment Based on AW-BLS
基于AW-BLS的电力系统暂态稳定评估.pdf
- 文件大小:
- 1.21 MB
- 下载次数:
- 60
-
高速下载
|
