|
||
|
基于门控循环注意力网络的配电网故障识别方法
上海交通大学学报
2024, 58 (3):
295-303.
DOI: 10.16183/j.cnki.jsjtu.2022.091
为了提高小样本条件下配电网故障辨识准确率,提出一种门控循环注意力网络模型.首先,通过注意力机制赋予故障相中关键周期较高权重,通过加权运算使得模型更加关注上述关键信息.其次,利用门控循环网络处理波形序列,该网络利用门控信号控制记忆传递过程,并借由记忆传递建立序列中不同阶段输入波形和故障类别概率间的关系,从而提升识别准确率.基于仿真数据和实际数据的实验均表明:所提方法在小样本条件下的可靠性和准确率远优于同等条件下支持向量机、梯度提升决策树、卷积神经网络等常用分类模型,为配电网故障辨识技术提供了一种新思路.  View image in article
图4
各种设备故障的典型波形
正文中引用本图/表的段落
现场运行数据由配电网10 kV架空线路上故障检测装置采集,其中电压采集原理为空间电容分压,电流采集原理为印制电路板罗氏线圈[22].该装置采样频率为 4 096 Hz,每条记录长度为16个周波,包含4~5个周波的触发前信号和11~12个周波的触发后信号,触发方式为电压或电流波形幅值出现异常.图4为各种设备故障的典型波形.
本文的其它图/表
|
