如需要完整文档点击下方 "点击下载文档" 按钮
为满足电力监控防护系统精细化、实时化和智能化的复杂要求,设计了一种基于支持向量回归( SVR) 安全态势识别和门循环单元( GRU)预测策略的新型电力监控防护系统。 基于支持向量机的递归特征消除( SVM-RFE) 技术和皮尔森相关系数( Pearson) 构建了安全识别指标体系。 基于 SVR 技术,构建了基于 SVR 的安全态势识别模型。 相较于 BPNN 模型,SVR 模型的安全态势识别结果在均方差误差 ( RMSE) 和平均绝对百分比误差 ( MAPE) 上分别降低了 43. 60% 和70.23% 。 基于 GRU 神经网络,构建了基于 GRU 的安全态势预测模型。 相较于 RBF 模型和 SVR 模型,GRU 预测模型的RMSE 分别降低了 19. 23% 和 23. 56% ,MAPE 降低了 48. 33% 和 58. 73% 。 最后实现了电力监控防护系统,并通过实验验证了系统可行性。 该研究为电力监控防护系统的安全运维提供重要参考,为构建智慧电网提供了技术支撑。
如需要完整文档点击下方 "点击下载文档" 按钮
《一种基于 SVR 和 GRU 的新型电力监控防护系统》
将 完整文档 下载到本地,方便收藏和查阅
文件号:057853
点击下载文档