基于深度学习的智能电网稳定性预测 |
| |
引用本文: | 张晓颖,段金凤,吴琦.基于深度学习的智能电网稳定性预测[J].长春大学学报,2022(8):1-7. |
| |
作者姓名: | 张晓颖 段金凤 吴琦 |
| |
作者单位: | 长春大学理学院 |
| |
基金项目: | 吉林省自然科学基金项目(20210101476JC); |
| |
摘 要: | 基于深度学习算法,构建智能电网稳定性预测模型。选取BP神经网络及卷积神经网络CNN算法作为分类学习器,并对其进行参数调优、优化算法选择、迭代预测。输出模型预测结果和模型评价指标,并结合机器学习预测结果,对深度学习模型准确性及性能等方面做对比分析。最终确定Adam优化器下的CNN模型效果最优,迭代80次的精确度为0.979 0,所需时间为28.398 7 s。该模型对提高智能电网预测的准确性、实现高效配电具有重要意义,有效帮助电力系统提前预警,降低安全隐患。
|
关 键 词: | 智能电网 深度学习 BP神经网络 CNN |
|
|