10.16652/j.issn.1004⁃373x.2022.21.033
基于小样本学习方法的配电网亚健康工况识别
为准确识别配电网介于正常与故障之间的亚健康工况,避免运行情况的进一步恶化,保障配电网持续健康运行,提出一种基于小样本学习的配电网亚健康工况识别方法.采用均值聚类算法从配电网繁杂的历史信息中筛选出亚健康工况所对应的状态数据,并将其作为一类特殊的小样本集合,通过卷积孪生网络的映射和欧氏距离的比对学习过程,完成降低小样本数据维度及相似特征的提取,从而实现多种运行方式下配电网亚健康工况的具体识别.仿真结果表明小样本条件下卷积孪生网络较传统方法更加适合配电网亚健康工况的识别,并针对数据特征设定网络最优阈值进一步优化亚健康工况的识别精度,加以干预可避免运行情况的恶化,具有提高配电网健康运行管理水平的现实意义.
配电网、亚健康工况、小样本学习、卷积孪生网络、卷积神经网络、工况识别、识别准确率
45
TN709⁃34;TM732(基本电子电路)
国家自然科学基金;新疆维吾尔自治区自然科学基金资助项目
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
181-186