Abstract：
在应用过程中,抗噪能力是在线稳定性判别模型必须具备的一个前提条件。本文通过从模型的构建和特征量的提取两个方面,提出了一种具有较好抗噪能力的暂态稳定性判别模型。模型的构建采用了堆叠变分自动编码器(Stacked Variational Auto-Encoder,SVAE),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。采用这样的特征量提取方法,大大降低了稳定性判别模型的误判率,同时也加强了模型的抗噪能力,并且设定合理的阈值并不会影响实时控制措施的启动。在IEEE-3...
Keyword：
Reprint 's Address：
Email：
Source ：
Year： 2020
Language： Chinese
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
