| 注册
首页|期刊导航|电力系统自动化|基于深度迁移学习的时变拓扑下电力系统状态估计

基于深度迁移学习的时变拓扑下电力系统状态估计

臧海祥 郭镜玮 黄蔓云 卫志农 孙国强 俞文帅

电力系统自动化2021,Vol.45Issue(24):49-56,8.
电力系统自动化2021,Vol.45Issue(24):49-56,8.DOI:10.7500/AEPS20210524003

基于深度迁移学习的时变拓扑下电力系统状态估计

State Estimation for Power Systems with Time-varying Topology Based on Deep Transfer Learning

臧海祥 1郭镜玮 1黄蔓云 1卫志农 1孙国强 1俞文帅1

作者信息

  • 1. 河海大学能源与电气学院,江苏省南京市 211100
  • 折叠

摘要

关键词

状态估计/拓扑变化/机器学习/深度迁移学习

引用本文复制引用

臧海祥,郭镜玮,黄蔓云,卫志农,孙国强,俞文帅..基于深度迁移学习的时变拓扑下电力系统状态估计[J].电力系统自动化,2021,45(24):49-56,8.

基金项目

国家重点研发计划资助项目(2018YFB0904500). (2018YFB0904500)

电力系统自动化

OA北大核心CSCDCSTPCD

1000-1026

访问量0
|
下载量0
段落导航相关论文