基于神经网络的电力系统运行自动检测

摘要：

本文提出了一种神经网络的搜索算法,用于获得最优变压器模型,以检测和定位电力系统中不同的系统故障和不确定条件,如对称并联故障、非对称并联故障、高阻抗故障、开关条件(电容器开关、负载开关、变压器开关、DG开关和馈线开关)、绝缘子泄漏和变压器涌流.为了解决深度CNN模型的高内存消耗和RNN模型的长期依赖问题,提出Transformer模型.在设计Transformer体系结构时,存在不同类型的关注机制和前馈网络.如果手工设计这些层既低效又耗时,因此,本文利用差分体系结构搜索(DARTS)算法,以较少的搜索时间成本自动生成最优transformer体系结构.该算法通过使搜索过程与体系结构超参数可微分来实现这一点,从而使网络搜索过程成为端到端的问题.

关键词：神经网络、搜索算法、自动检测、电力系统

分类号：TP391;TM732;TP274

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：41-43