[发明专利]基于多重极限学习机的电力系统故障后暂态稳定分层评估方法在审
| 申请号： | 201910843026.5 | 申请日： | 2019-09-06 |
| 公开（公告）号： | CN110728299A | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 李欣;秦成龙;郑之艺;桂德;钟浩;花雅文 | 申请（专利权）人： | 三峡大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06Q50/06 |
| 代理公司： | 42103 宜昌市三峡专利事务所 | 代理人： | 吴思高 |
| 地址： | 443002 *** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于多重极限学习机的电力系统故障后暂态稳定分层评估方法，根据最大相关最小冗余算法MRMR，在电力系统历史大数据中提取能够表征当前电力系统暂态稳定状况的关键特征；利用提取出的电力系统暂态稳定状况的关键特征对多重极限学习机ELMs进行分层学习训练，然后将故障后电力系统关键特征群，输入到各层训练好的多重极限学习机ELMs中，最后各层利用决策评价准则，得出最终的暂态稳定评价结果。该方法具有高精度的同时，还满足了智能电网大数据的快速性要求。 | ||
| 搜索关键词： | 极限学习机 关键特征 电力系统暂态稳定 电力系统 暂态稳定 大数据 电力系统故障 分层评估 评价准则 冗余算法 学习训练 智能电网 最大相关 快速性 分层 决策 | ||
【主权项】：
1.基于多重极限学习机的电力系统故障后暂态稳定分层评估方法，其特征在于：根据最大相关最小冗余算法MRMR，在电力系统历史大数据中提取能够表征当前电力系统暂态稳定状况的关键特征；利用提取出的电力系统暂态稳定状况的关键特征对多重极限学习机ELMs进行分层学习训练，然后将故障后电力系统关键特征群，输入到各层训练好的多重极限学习机ELMs中，最后各层利用决策评价准则，得出最终的暂态稳定评价结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于三峡大学，未经三峡大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910843026.5/，转载请声明来源钻瓜专利网。
