《表1 不同模型的暂态电压稳定评估结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《采用随机矩阵与CNN的暂态电压稳定快速评估》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

CNN暂态评估模型结构如图3所示，采用Adam算法自适应调整学习率可以进行参数优化，初始学习率0.001、批量大小64和迭代920次进行训练测试。其中对各卷积层使用批量标准化（batch normalization）策略能够使得模型更快收敛且可以防止过拟合。设置采集8类电气状态数据的时间窗口为[tf-5，tc+5]，其中固定初始响应时间为5个周期，即形成344×30维状态矩阵。进而利用RMT对每类数据进行特征提取，构成56维输入特征数据。为验证本文所提的基于RMT-CNN的暂态电压稳定评估方法的效果，将本文所提方法与传统CNN、SVM及基于特征量的CNN[2-5]等模型进行暂态电压稳定评估，各模型的评估结果如表1所示。