%0 Journal Article
%T 采用长短期记忆网络与压缩感知实现电物理量轻型化方法
%A 周学斌
%A 李晓明
%A 李雷
%A 甘凌霞
%J 电力系统自动化
%D 2019
%X 为进一步提升信息化电网性能，提出一种基于长短期记忆网络(LSTM)与压缩感知(CS)实现电物理量轻型化方法。将时间序列变化的电物理量采样数据作为LSTM模型的输入量，稳定结果作为输出量，通过时间反向传播(BPTT)算法训练LSTM模型参数，训练后的模型能充分利用循环架构的特征进行模式识别，并根据LSTM模式识别结果，将信号选择原子库进行CS，来确定测量采样频率。实例结果表明，LSTM+CS方法比常用传统方法采样频率低，传输参数少，可大幅节省存储容量和减轻网络流量
%K 电力系统
%K 轻型化
%K 深度学习
%K 长短期记忆网络
%K 压缩感知
%K power systems
%K lightening
%K deep learning
%K long-short-term memory(LSTM)network
%K compressed sensing(CS)
%U http://www.aeps-info.com/aeps/article/abstract/20180324001?st=article_issue