基于改进深度置信网络的智能电网暂态安全状态感知
深度学习是感知智能电网暂态安全状态的有效方法,针对多层重构学习过程低维特征及结构参数难以全局寻优的问题,提出了一种改进深度置信网络(Deep Belief Network,DBN)方法.首先,该方法利用SMOTE过采样算法,增加样本多样性,促使DBN深层架构的挖掘.其次,直接面向噪声样本,DBN通过网络中各神经元吉布斯抽样的二值状态,增强重构特征的抗噪能力.最后,建立了基于遗传算法(Genetic Algorithm,GA)的GA-DBN模型,有效解决DBN结构参数调试繁琐的问题,确保DBN高精度地从底层量测数据提取低维特征,提高安全分类精度.新英格兰10机39节点系统的仿真实验表明,在样本不平衡、含噪声情况下,所提算法比其他算法的失稳漏判率降低,辩识准确率和F1分数提升.
暂态安全感知;深度置信网络;SMOTE;遗传算法;样本不平衡
50
国家自然科学基金51777126
2022-03-25（万方平台首次上网日期，不代表论文的发表时间）
共7页
171-177
