基于改进深度残差收缩网络的电力系统暂态稳定评估

针对电力系统暂态稳定评估中,电力系统同步相量测量装置(PMU)量测数据在采集和传输过程可能存在噪声问题,以及由于暂态稳定与失稳样本不平衡,导致基于数据驱动的暂态稳定评估模型训练的倾向性和误判后果严重问题,提出基于改进深度残差收缩网络(IDRSN)的电力系统暂态稳定评估方法.首先将底层量测电气量构建成特征图形式作为模型输入,利用模型深层结构建立输入与稳定结果之间的映射关系.面对噪声问题,模型通过注意力机制,采用软阈值函数自动学习噪声阈值,减小噪声及无关特征干扰;并通过焦点损失函数(FL),引入权重系数修正模型训练的倾向性,利用调制因子重点关注误分类样本,提高模型训练效率和评估性能.通过新英格兰10机39节点系统进行仿真分析,所提模型能够有效减小不同程度的噪声干扰,在不平衡数据集上修正模型训练偏向性,以减少误分类样本,在不同PMU配置方案下,均取得较好评估效果.     

水利工程施工混凝土质量控制对策探讨

混凝土是水利上程建设中的重要材料,在施工中加强混凝土质量控制,对保证工程质量有着重要的意义。本文根据多年的工作实践,对混凝土质量的主要影响因素进行了综合分析,并提出了对混凝土质量控制的关键环节。     

基于GAN的不平衡负荷数据类型辨识方法

负荷分类对于负荷预测、风险预警、优化调度等具有重要意义.为了改善负荷类别不平衡对分类精度的影响,提出了一种基于生成式对抗网络(generative adversarial network,GAN)的不平衡负荷数据类型辨识方法.首先,通过K-means算法对负荷数据聚类获取其类别标签;其次,根据聚类结果,针对负荷数据中的小样本类别,采用基于GAN的过采样方法进行类别平衡;最后,使用支持向量机(support vector machine,SVM)进行负荷分类.选取爱尔兰实测负荷数据作为实验数据,验证了所提方法的有效性.