|
|
- 2019
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Keywords: 电力系统,轻型化,深度学习,长短期记忆网络,压缩感知,power systems, lightening, deep learning, long-short-term memory(LSTM)network, compressed sensing(CS) Abstract: 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
|
