您当前的位置:
首页 >
文章列表页 >
基于残差分组卷积神经网络和多级注意力机制的源荷极端场景辨识方法
应对极端事件的新型电力系统智能规划理论与方法 | 更新时间:2025-10-18
    • 基于残差分组卷积神经网络和多级注意力机制的源荷极端场景辨识方法

    • 暂无标题

    • 电网技术   2025年第2期 页码:459-469
    • DOI:10.13335/j.1000-3673.pst.2024.0688    

      中图分类号: TM73;TP183
    • 纸质出版:2025

    移动端阅览

  • 郭红霞, 李渊, 陈凌轩, 等. 基于残差分组卷积神经网络和多级注意力机制的源荷极端场景辨识方法[J]. 电网技术, 2025,(2):459-469. DOI: 10.13335/j.1000-3673.pst.2024.0688.

  •  
  •  

0

浏览量

1809

下载量

0

CSCD

文章被引用时,请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

模型-数据融合驱动的频率稳定智能增强判别方法
基于时变滤波经验模态分解-重构和独立自注意力机制的iTransformer超短期负荷预测方法
计及需求侧资源聚合商股权激励能源共享的区域综合能源系统协同优化运行策略
基于特征优化和混合改进灰狼算法优化BiLSTM网络的短期光伏功率预测
基于深度学习的电力系统暂态功角与暂态电压稳定裕度一体化评估

相关作者

吕昊
陈锦辉
杜友田
徐式蕴
李宗翰
傅太国屹
刘俊
范士雄

相关机构

西安交通大学电气工程学院
电网安全全国重点实验室(中国电力科学研究院有限公司)
智能网络与网络安全教育部重点实验室(西安交通大学)
中国电力科学研究院有限公司
海上风电技术教育部工程研究中心(上海电力大学)
0