排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
对神经网络在暂态稳定评估问题中应用的研究文献进行调研和综述,对稳定评估的目标、输入特征的选择、所采用的神经模型等进行了述评,对目前存在的问题进行了讨论。建议今后应在特征抽取和选择、训练样本集的压缩、在线训练机制以及类间边界区识别等方面开展深入的研究工作。 相似文献
2.
电力系统中许多大扰动都会导致系统负荷降低。对于系统调度员来说,了解和掌握系统中是否存在一些受故障扰动影响而负荷降低始终是最严重的节点、变电站,是相当有用的,同时也是一个具有挑战性的工作。文中将数据挖掘技术用于识别香港电力系统中与故障相关的最敏感的变电站。定义了量度负荷降低严重性程度的两个指标。基于数据统计分析找到了对故障扰动最敏感的变电站,其正确性得到了实际电力系统专家的证实。此外,通过对电压曲线的相关分析,找出了系统中的关键节点,对这些节点实施有效的电压调节,将有助于故障后敏感节点电压的恢复。 相似文献
3.
4.
用于暂态稳定评估的人工神经网络输入空间压缩方法 总被引:16,自引:7,他引:9
应用粗糙集理论中的决策表化简技术,提出了一种压缩人工神经网络(ANN)输入空间的方法,改善了ANN用于电力系统暂态稳定评估(TSA)时面临的数据训练瓶颈问题。由于训练样本是连续性的数据,采取了3种离散化方法:等频法、等距法和最大熵法。用10机39节点的新英格兰系统测试了该数据压缩方法的有效性。ANN初始输入变量为11个,利用粗糙集化简方法抽取出6个关键特征变量,样本集压缩了45.5%,而ANN稳定分类器的判别效果并没有因此受到影响。 相似文献
5.
结合人工神经网络(ANN)和短时数字仿真提出一个用于在线暂态安全评估的事故筛选方法 ,将3层BP网络作为模式分类器,用来建立稳定评估结果和所选特征量之间的映射关系 。在故 障切除时刻终止的短时数字仿真被用来生成ANN的输入量,每个ANN处理一个特定的事故状态 。使用一个半监督学习算法,ANN可产生一个能够指示相对稳定度的连续分布的暂态稳定指 标。基于这个连续分布的稳定指标,设置一个相对保守的分类门槛值,避免了不安全状态的 漏报。10机新英格兰电力系统的应用结果证实了该方法的有效性。 相似文献
6.
该文在浏览器/服务器环境下建立了一个数字化图书馆多媒体数据流同步传输的管理方案。定义了多媒体对象、任务、同步化传输约束条件以及相应的QOS评价指标,基于上述方案及评价指标,给出了数字化图书馆多媒体流同步传输的控制算法以及相应的实验结果。 相似文献
7.
对故障敏感的负荷节点和关键节点的辨识 总被引:1,自引:1,他引:0
电力系统中许多大扰动都会导致系统负荷降低。对于系统调度员来说,了解和掌握系统中是否存在一些受故障扰动影响而负荷降低始终是最严重的节点、变电站,是相当有用的,同时也是一个具有挑战性的工作。文中将数据挖掘技术用于识别香港电力系统中与故障相关的最敏感的变电站。定义了量度负荷降低严重性程度的两个指标。基于数据统计分析找到了对故障扰动最敏感的变电站,其正确性得到了实际电力系统专家的证实。此外,通过对电压曲线的相关分析,找出了系统中的关键节点,对这些节点实施有效的电压调节,将有助于故障后敏感节点电压的恢复。 相似文献
8.
针对建筑外墙空鼓的检测要求,利用振动与声学理论进行敲击过程的建模和敲击声学特性分析,在此基础上设计了一个基于16位凌阳单片机SPCE61A的嵌入式墙体无损检测系统。由于SPCE61A片内资源有限,通过片内资源的高效调配设计及算法优化实现多点数快速傅立叶计算,提高系统检测性能。实验数据表现的敲击声中低频段能量比与墙体结构的关系与理论分析基本吻合。门限检测方法对墙体进行识别,取100个好墙体的敲击声在9kHz处平均能量的0.6倍作为门限进行检测。实测200次敲击,正确识别率高达99%。如果环境噪声较大,而仍利用门限检测方法,则正确率识别率下降较大。实验结果表明了该系统的有效性。 相似文献
9.
应用粗糙集理论中的决策表化简技术,提出了一种压缩人工神经网络(ANN)输入空间的方法,改善了ANN用于电力系统暂态稳定评估(TSA)时面临的数据训练瓶颈问题。由于训练样本是连续性的数据,采取了3种离散化方法:等频法、等距法和最大熵法。用10机39节点的新英格兰系统测试了该数据压缩方法的有效性。ANN初始输入变量为11个,利用粗糙集化简方法抽取出6个关键特征变量,样本集压缩了45.5%,而ANN稳定分类器的判别效果并没有因此受到影响。 相似文献
10.
基于神经网络暂态稳定评估方法的一种新思路 总被引:8,自引:4,他引:8
This
paper presents a new framework for arificial neural networks (ANN) based transient
stability assessment(TSA).The ANN-based TSA problems may be treated as a two-pattern
classification problem separating the stable class from the unstable class.The cases close
to the classification boundary are often liable to be misclassified.This paper proposes to
train a back-propagation ANN using a novel semisupervised learning algorithm for deriving
a continuous-spread stability index.The derived stability index is used to indicate the
relative stability degree and define a boundary zone between the two different classes.A
new classification scheme is hence proposed to group the boundary-zone cases into an extra
indeterminate class to avoid misclassifications.A nonlinear mapping for data structure
analysis is employed as a convenient tool to observe the separability of the input
space.Two well-studied power systems are employed to demonstrate the validity of the
proposed approach. 相似文献