文档名：小样本下的低压电力线网络故障量化
摘要：低压电力线网络的区域性的故障告警难以量化分析.同时,由于节点数目众多,对低压电力线节点单节点级别的故障告警进行专家分析的成本过高,进一步增加了网络故障区域性量化的难度.为此,从实际出发,给出了专家标注样本较少情况下的低压电力线网络节点级和区域级量化的方法.首先,设计了一个基于注意力机制的节点故障量化图卷积神经网络(NodalFaultQuantizationGraphConvolutionalNeuralNetwork,NFQ-GCN),以不同节点、不同重要性因子作为神经网络的输入.进一步地,设计了区域性节点故障量化图卷积神经网络(RegionalFaultQuantizationGraphConvolutionalNeuralNetwork,RFQ-GCN),通过约束节点扩增时区域嵌入位置振动函数至利普希茨(Lipschitz)连续条件,使区域的故障量化可解释地满足小样本的专家标注模式.通过设计上述两个神经网络,可以实现节点级和区域级的智能故障量化,降低故障分析成本.
作者：刘臻 白桦 吴笛 林斌 褚如旭 王韬樾 Author：LIUZhen BAIHua WUDi LINBin CHURuxu WANGTaoyue
作者单位：浙江华云电力工程设计咨询有限公司,杭州310014杭州智微易联电力科技有限公司,杭州310013
刊名：电讯技术 ISTICPKU
Journal：TelecommunicationEngineering
年，卷(期)：2023, 63(8)
分类号：TN915.853
关键词：低压电力线网络 节点故障量化 区域故障量化 小样本 图卷积神经网络
Keywords：lowvoltagepowerlinenetwork nodefaultquantification regionalfaultquantification smallsample graphconvolutionalnetwork
机标分类号：TP391TP273X820.3
在线出版日期：2023年9月8日
基金项目：小样本下的低压电力线网络故障量化[
期刊论文] 电讯技术--2023, 63(8)刘臻 白桦 吴笛 林斌 褚如旭 王韬樾低压电力线网络的区域性的故障告警难以量化分析.同时,由于节点数目众多,对低压电力线节点单节点级别的故障告警进行专家分析的成本过高,进一步增加了网络故障区域性量化的难度.为此,从实际出发,给出了专家标注样本较少...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
小样本下的低压电力线网络故障量化 Fault Quantification of Low Voltage Power Line Network under Small Samples
小样本下的低压电力线网络故障量化.pdf
- 文件大小:
- 1.81 MB
- 下载次数:
- 60
-
高速下载
|
|
