文献类型：期刊文章

作　　者：李海英[1] 沈益涛[1] 罗雨航[2]

LI Haiying;SHEN Yitao;LUO Yuhang(Department of Electrical Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China;Sichuan Water Conservancy Vocational College,Chengdu 611231,China)

机构地区：[1]上海理工大学电气工程系,上海200093 [2]四川水利职业技术学院,四川成都611231

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目资助(51777126)。

年　　份：2022

卷　　号：50

期　　号：5

起止页码：171-177

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：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F;分数提升。

关 键 词：暂态安全感知  深度置信网络  SMOTE 遗传算法 样本不平衡  

分 类 号：TM76] TP18]