一种基于迁移学习的电力系统暂态稳定自适应评估方法

发明专利有效专利

申请号：
CN201911088617.2
IPC分类号：G06F30/20;G06K9/62;G06N3/04
申请日期：
2019-11-08
申请人：
北京交通大学;国网辽宁省电力有限公司电力科学研究院;国家电网有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于迁移学习的电力系统暂态稳定自适应评估方法
申请号	CN201911088617.2	申请日期	2019-11-08
法律状态	实质审查	申报国家	中国
公开/公告日	2020-03-13	公开/公告号	CN110879917A
优先权	暂无	优先权号	暂无
主分类号	G06F30/20	IPC分类号	G;0;6;F;3;0;/;2;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4查看分类表>
申请人	北京交通大学;国网辽宁省电力有限公司电力科学研究院;国家电网有限公司	申请人地址	北京市海淀区西直门外上园村3号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京交通大学,国网辽宁省电力有限公司电力科学研究院,国家电网有限公司	当前权利人	北京交通大学,国网辽宁省电力有限公司电力科学研究院,国家电网有限公司
发明人	吴俊勇;张若愚;李宝琴;邵美阳;卢育梓;段方维;杨滢璇
代理机构	北京三聚阳光知识产权代理有限公司	代理人	李博洋

摘要

本发明公开了一种基于迁移学习的电力系统暂态稳定自适应评估方法，该方法将故障切除后发电机功角轨迹簇的27个几何特征的时序数据作为原始输入特征；构建基于卷积神经网络的暂稳预测模型，它由输入特征、卷积层1、池化层1、卷积层2、池化层2、全连接层、分类层和输出结果组成；并改进反向传播算法的损失函数；最后利用迁移学习策略，将一种运行方式和拓扑结构系统下得到的预训练模型的网络结构、两个卷积层、两个池化层和全连接层的参数都迁移到新模型，仅随机初始化分类层的参数，在新的运行方式和拓扑结构下，用新场景下的训练样本集对分类层进行训练，即可使新模型很快地跟踪电力系统的运行方式和拓扑结构的变化，保持较高预测准确率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供