关键词:深度学习 堆叠变分自动编码器 暂态分析 稳定性 抗噪能力
摘要:通过模型的构建和特征量的提取2个方面,提出了一种具有较好抗噪能力的暂态稳定性判别模型。模型的构建采用堆叠变分自动编码器,并在训练过程中引入L2正则化,加强了稳定性判别模型的泛化能力。同时,特征量的提取时刻与传统方法不同,通过设定所有发电机最大功角差值的阈值,当系统发展至该阈值时,进行特征量的提取。在IEEE 39节点系统中进行仿真验证,仿真结果表明,采用上述特征量提取方法,大幅降低了稳定性判别模型的误判率,同时设定合理的阈值并不会影响实时控制措施的启动,加强了模型的抗噪能力。
电力自动化设备杂志要求:
{1}摘要的内容包括研究目的、内容、主要方法、结果和结论等(300字左右):摘要应尽量写成报道性文摘且具有独立性,采用第三人称写法,一般不用数学公式和化学结构,不出现插图、表格,不用引文;中、英文摘要内容一致。
{2}作者切忌一稿多投,3个月内未收到我刊任何回复,即可将稿件另行处理。无论文章采用与否,均不予退稿,请作者自留底稿。
{3}稿件应未公开发表过,并遵守国家保密规定和《著作权法》有关规定。
{4}计量单位和符号,一律按《中华人民共和国法定计量单位》,如m2(平方米)、hm2(公顷)、kg(千克)等表示。
{5}来稿请注明作者、单位、职称或职务、联系方式及邮寄地址,合著稿件署名时须征得其他作者同意,确定先后次序。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社