《表3 各PMU配置情况下的计算结果》
选取2018年3月9日的1 000组PMU数据,使用Prony方法对PMU曲线进行分析,计算得到相应的特征值,将其中900组数据作为训练集,剩余100组数据作为测试集,使用CNN训练后得到的结果如表3第2行所示。由表3可见,虽然输入数据并未包括系统的全部节点和支路数据,CNN模型也能够准确地计算出系统的关键特征值,CNN能够从不完全的信息中推断出系统的运行状态,对数据的缺失具有一定的泛化能力。
图表编号 | XD0030126700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.25 |
作者 | 李洋麟、江全元、颜融、耿光超 |
绘制单位 | 浙江大学电气工程学院、浙江大学电气工程学院、浙江大学电气工程学院、浙江大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |