基于域自适应迁移学习的有源配电网故障选线方法OA北大核心CSTPCD
基于数据驱动的人工智能模型,特别是卷积神经网络在配电网故障诊断领域取得了优异的表现。然而卷积神经网络严重依赖海量数据,模型性能会因数据量的减少而严重下降。为此,提出了一种基于域自适应迁移学习的有源配电网故障选线方法。首先,构造了一种嵌套注意力机制的卷积神经网络,提取有源配电网暂态零序电流的故障特征。然后,采用域自适应迁移学习方法,利用最大均值差异函数降低源域和目标域数据之间的分布差异,有效解决少样本故障选线问题。最后,在Matlab/Simuli…查看全部>>
刘畅宇;王小君;尚博阳;罗国敏;刘曌
北京交通大学电气工程学院,北京100044北京交通大学电气工程学院,北京100044北京交通大学电气工程学院,北京100044北京交通大学电气工程学院,北京100044北京交通大学电气工程学院,北京100044
动力与电气工程
有源配电网故障选线迁移学习域自适应注意力机制卷积神经网络
《高电压技术》 2024 (7)
P.3050-3059,I0015,11
国家自然科学基金(52377071,52107068)。
评论