科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高电力系统的稳定性和安全性,本文提出一种基于深度学习网络的电力系统不良数据辨识算法。为消除不同量纲数据所引起的差异,算法首先将采集的电力数据进行归整,然后构建多层深度循环学习网络进行不良数据辨识。学习网络分输入层、隐藏层和输出层三层,其中隐藏层包含128个神经元,输出层采用softmax分类器。针对不同神经网络的仿真实验显示,相比于BP神经网络和自组织模糊神经网络,深度循环学习网络的不良数据检测效率最高。针对实测数据的实验显示,相比传统的标准残差法和量测量突变法,不良数据检测率分别提高17.9%和6.4%,辨识率提高17.2%和8.9%。
-
单位国网湖南省电力有限公司检修公司
