旧版下载已关闭,请移步到新版下载(点击打开新版

基于DBN的配电网可靠性分析

资料来自用户(Gary)上传,若本站收录的文献无意侵犯了您的著作版权,请点击版权申明
文献出处
制造业自动化  2021年07期
关键词
配电网可靠性论文  深度信念网络论文  受限玻尔兹曼机论文
论文摘要

为准确高效地分析配电网可靠性,提高配电系统实施效益,提出了基于深度学习的配电网供电可靠性分析方法。所提方法充分利用深度信念网络(DeepBeliefNetwork,DBN)强大的特征自动提取优势,克服了传统神经网络对数据特征提取不足的缺点。首先,通过逐层训练受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)实现DBN模型的预训练;之后采用BP算法进行反向微调,完成整个网络的训练过程;最后用训练好的DBN进行配电网可靠性分析。经与BP神经网络法、传统蒙特卡洛模拟法进行比较,基于深度信念网络的配电网可靠性分析方法所得结果更加准确,在一定程度上体现了将深度学习应用于配电网可靠性分析所具有的优越性。

论文目录
关闭目录
0 引言
1 深度学习模型的设计
2 配电网可靠性影响因素及分析步骤
3 分析案例
  3.1 基于DBN的配电网可靠性分析案例
  3.2 与BP神经网络、Monte Carlo法的比较
4 结语
全文下载
全文下载