您的位置: 专家智库 > >

储磊

作品数:11 被引量:84H指数:2
供职机构:上海交通大学更多>>
发文基金:国家自然科学基金更多>>
相关领域:电气工程自动化与计算机技术电子电信更多>>

文献类型

  • 8篇专利
  • 2篇期刊文章
  • 1篇学位论文

领域

  • 3篇电气工程
  • 2篇自动化与计算...
  • 1篇电子电信

主题

  • 6篇电网
  • 4篇电网稳定
  • 4篇电网稳定性
  • 4篇随机矩阵
  • 3篇大数据
  • 2篇电力
  • 2篇电网系统
  • 2篇上下界
  • 2篇识别方法
  • 2篇损失函数
  • 2篇特征提取
  • 2篇拟域
  • 2篇迁移
  • 2篇下界
  • 2篇开集
  • 2篇PMU
  • 1篇导电
  • 1篇导电材料
  • 1篇电动力学修复
  • 1篇电力负荷

机构

  • 11篇上海交通大学
  • 1篇中国电力科学...

作者

  • 11篇储磊
  • 8篇贺兴
  • 6篇刘海春
  • 5篇林泽南
  • 2篇裴凌
  • 2篇郁文贤
  • 1篇艾芊
  • 1篇杨浩森
  • 1篇石鑫

传媒

  • 1篇中国电机工程...
  • 1篇供用电

年份

  • 1篇2023
  • 1篇2021
  • 2篇2019
  • 2篇2018
  • 5篇2017
11 条 记 录,以下是 1-10
排序方式:
一种基于自由概率理论的电网稳定性检测方法
本发明涉及一种基于自由概率理论的电网稳定性检测方法,属于电网系统领域。一种基于自由概率理论的电网稳定性检测方法,包括以下步骤:1)建立自由概率矩阵模型;2)对自由概率矩阵模型中的数据行列进行预处理;3)针对预处理后的自由...
罗伯特.才明.邱林泽南储磊贺兴刘海春
一种基于深度自编码网络的短期电力负荷预测方法
一种基于深度自编码网络的短期电力负荷预测方法,首先,基于自动编码器,结合包括气温、日期和历史负荷的负荷相关因素,构建深度自编码网络负荷预测模型;其次,通过对包括气温、日期和历史负荷值的数据结构化和标准化处理构成样本矩阵,...
罗伯特·才明·邱石鑫储磊贺兴林泽南刘海春
文献传递
基于深度学习的混合现实开集人体姿态识别方法
一种基于深度学习的混合现实开集人体姿态识别方法,使用基于混合现实的开集人体姿态识别算法的神经网络,通过基于样本数量不平衡问题的决策边界设置训练损失函数,得到训练后的神经网络将从虚拟域中学习到的域不变特征迁移到真实域中指导...
张紫璇裴凌储磊夏宋鹏程郁文贤
基于随机矩阵理论的配电网时空大数据研究被引量:3
2017年
现代电力系统是迄今为止最复杂的工程系统,数据驱动方案将在未来电网特别是配电网分析中扮演重要角色。大数据模型和分析方法是当前电力大数据有效利用方案设计的核心和瓶颈。从数据的视角来重新审视当前配电网的发展及所面临问题,利用近年来高维统计的基础突破,提出基于随机矩阵的配电网时空大数据研究框架。旨在形成一套系统性的电力系统数据驱动方案—原始数据、预处理操作、随机矩阵建模、随机矩阵分析、指标提取和可视化、辅助决策,为系统的优化运营决策提供支撑。
贺兴邱才明艾芊储磊凌泽南
关键词:数据驱动
一种基于电网PMU大数据的电网稳定性判别方法
本发明涉及一种基于电网PMU大数据的电网稳定性判别方法,属于电网大数据分析和电网稳定性分析两个领域。一种基于电网PMU大数据的电网稳定性判别方法,包括以下步骤:1)根据电网PMU数据利用随机矩阵进行建模;2)对电网PMU...
罗伯特.才明.邱储磊贺兴林泽南刘海春
文献传递
一种基于自由概率理论的电网稳定性检测方法
本发明涉及一种基于自由概率理论的电网稳定性检测方法,属于电网系统领域。一种基于自由概率理论的电网稳定性检测方法,包括以下步骤:1)建立自由概率矩阵模型;2)对自由概率矩阵模型中的数据行列进行预处理;3)针对预处理后的自由...
罗伯特.才明.邱凌泽南储磊贺兴刘海春
文献传递
一种基于随机矩理论的电力系统认知方法
本发明涉及一种基于随机矩理论的电力系统认知方法,属于电网系统领域。一种基于随机矩理论的电力系统认知方法,包括以下步骤:1)对电网物理系统建立随机矩阵模型;2)对随机矩阵模型中数据行列进行标准处理;3)进行随机矩阵分析,得...
罗伯特.才明.邱贺兴储磊林泽南刘海春
文献传递
基于深度学习的混合现实开集人体姿态识别方法
一种基于深度学习的混合现实开集人体姿态识别方法,使用基于混合现实的开集人体姿态识别算法的神经网络,通过基于样本数量不平衡问题的决策边界设置训练损失函数,得到训练后的神经网络将从虚拟域中学习到的域不变特征迁移到真实域中指导...
张紫璇裴凌储磊夏宋鹏程郁文贤
基于深度学习的输电线路故障类型辨识被引量:81
2019年
随着新能源大规模接入和负荷随机行为的出现,输电线路故障特征的构造和选择日趋困难。基于深度学习理论,提出了一种对故障数据进行特征自学习进而实现输电线路故障类型辨识的方法,并通过Ornstein-Uhlenbeck过程更好地模拟了分布式随机性电网的负荷波动。首先,利用PSS\E的PythonAPI编写脚本实现故障的自动化批量仿真,以构建深度学习所需的海量数据集。然后,基于TensorFlow平台对预处理后的高维时空故障样本实现基于深度网络的故障类型辨识,并采用深度自动编码器来可视化分析深度学习的分类效果。最后,以含光伏发电模型的PSS\E23节点系统为例,对所提方法进行验证。仿真结果表明,文中所述方法可基本达到99.99%的辨识正确率,不受故障线路、故障阻抗、故障位置、电压扰动、频率扰动和负荷波动的影响,且能够应对电网运行过程中的噪声干扰。
徐舒玮邱才明张东霞贺兴储磊杨浩森
关键词:故障辨识ORNSTEIN-UHLENBECK过程
基于随机矩阵理论的大规模MIMO系统高维数据分析
大规模多输入多输出(Multiple Input Multiple Output,MIMO)是未来移动通信系统的关键技术。它可以促进无线通信,智能电网和智能健康管理等领域的快速发展。具体而言,MIMO系统可以为上述领域提...
储磊
关键词:随机矩阵非凸优化
共2页<12>
聚类工具0