丁冬,张立,陈佳瑜,史光宇,张希鹏,陆增洁,李亦言,郭云鹏.基于时间卷积网络的台区总表故障智能辨识技术[J].电工技术,2023(14):49-51
基于时间卷积网络的台区总表故障智能辨识技术
  
DOI：10.19768/j.cnki.dgjs.2023.14.014
中文关键词:  台区总表  故障辨识  深度学习  时间卷积网络  注意力机制
英文关键词:
基金项目:
作者单位
丁冬 国网上海市电力公司市北供电公司 
张立 国网上海市电力公司市北供电公司 
陈佳瑜 国网上海市电力公司市北供电公司 
史光宇 国网上海市电力公司市北供电公司 
张希鹏 国家电网公司华东分部 
陆增洁 国网上海市电力公司市北供电公司 
李亦言 上海交通大学国家电投智慧能源创新学院 
郭云鹏 上海交通大学国家电投智慧能源创新学院 
摘要点击次数: 645
全文下载次数: 0
中文摘要:
      台区总表关联１０kV线路售电侧电量及台区供电侧电量,起到承上启下的作用.台区总表故障导致的电能 量异常,会同时对１０kV及台区线损的计算产生影响,造成线损合理率下降,不利于供电可靠性.对台区总表故障进 行有效辨识是解决以上问题的关键.对此提出基于时间卷积网络的台区总表故障辨识技术,通过提取台区量测值时间 序列中的高维特征实现对故障的辨识.进一步地,在年度序列故障辨识中引入注意力机制,以甄别出关键的信息片 段,提升辨识准确率.上海市１０kV变压器台区的算例结果表明,所提出的故障辨识算法可实现９３．１％的日度故障 辨识精度以及８５．３％的年度故障辨识精度,且相比传统深度学习模型具有更高的计算效率.
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器