基于Tri-training-SSAE半监督学习算法的电力系统暂态稳定评估
基于机器学习的暂态稳定评估方法主要采用监督学习方法,为了解决监督学习方法所需的有标签样本难以获取的问题,提出基于三体训练-稀疏堆叠自动编码器(Tri-training-SSAE)半监督学习算法的电力系统暂态稳定评估方法.构建基于堆叠稀疏自动编码器的暂态稳定评估模型;在传统的三体训练过程中加入伪标签样本置信度判断,以减小噪声数据对模型训练的影响;以堆叠稀疏自动编码器为基分类器构建三体训练-稀疏堆叠自动编码器模型,利用大量的无标签样本提高模型的泛化能力.通过IEEE 39节点系统与华东某省级电网进行分析验证,结果表明,所提方法在有标签样本数较少时具有更高的评估准确度.
暂态稳定评估、机器学习、半监督学习、三体训练算法、堆叠稀疏自动编码器
43
TM712(输配电工程、电力网及电力系统)
2023-07-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
110-116