摘要
1.1研究的背景及意义
1.2国内外研究现状
1.2.1电力系统STVS的研究现状
1.2.2STVS评估方法的研究现状
1.2.3数据增强方法的研究现状
1.3本文研究的主要内容
第2章循环神经网络基本理论
2.1原始循环神经网络
2.1.1RNN的结构
2.1.2RNN的训练
2.2长短时记忆网络
2.3带注意机制的双向门控循环单元神经网络
2.3.1门控循环单元
2.3.2双向门控循环单元
2.3.3注意力机制
2.4本章小结
第3章基于深度学习的短期电压稳定评估
3.1半监督聚类学习
3.1.1模糊C均值聚类算法
3.1.2评价指标
3.2基于深度学习的数据驱动STVS评估模型
3.2.1基于LSTM的评估模型的构建
3.2.2评价指标
3.3基于LSTM的STVS评估框架
3.3.1TS数据库的构建和样本标签的确定
3.3.2离线训练
3.3.3在线应用
3.4算例分析
3.4.1TS数据库的生成
3.4.2参数设置
3.4.3半监督聚类学习算法的性能测试
3.4.4评估模型的性能测试
3.5本章小结
第4章结合数据增强的电力系统STVS深度学习智能评估方法
4.1数据增强
4.1.1原始GAN
4.1.2最小二乘生成对抗网络
4.1.3LSCGAN
4.2基于深度学习的数据驱动STVS评估模型
4.2.1基于BiGRU-Attention的评估模型的构建
4.2.2评估指标
4.3所提出的深度学习智能评估方法
4.3.1原始数据集的生成和数据增强
4.3.2离线训练
4.3.3在线应用
4.4算例分析
4.4.1样本集的生成
4.4.2参数设置
4.4.3基于LSCGAN数据增强的性能分析
4.4.4评估模型的性能分析
4.4.5错分代价的影响
4.4.6计算效率分析
4.4.7不同噪声水平下的鲁棒性分析
4.5本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
声明
致谢
东北电力大学;