本期精选
2024年第7期
刘畅宇,王小君,尚博阳,罗国敏,刘曌
DOI: 10.13336/j.1003-6520.hve.20230521
2.1 融合注意力机制的故障选线模型
图1 含注意力机制的卷积神经网络模型结构
2.2 域自适应迁移学习
现有基于迁移学习的故障选线方法大多是从通过历史数据或海量仿真数据进行训练,然后使用同一学习任务下的数据在训练好的网络中进行预测或分类。在此过程中假设源域数据和目标域数据的分布相同,然而这一假设并不总是成立。在实际应用过程中,需要通过域自适应使源域和目标域的数据分布更接近。其基本思想是,对于任务相同但在特征空间中分布不一致的源域和目标域,域自适应通过求解一个最优的投影矩阵,将两域数据投影到新的特征空间中,将不同的数据分布的距离拉近。本文选用最大均值差异(maximum mean discrepancy,MMD) 来度量源域和目标域样本之间的分布距离。
图2 域自适应迁移学习示意图
2.3 不同故障选线方案的效果对比
表1 不同故障选线方案的效果对比
1) 通过在卷积神经网络中嵌入注意力机制,提高模型对关键信息的敏感程度,实现有源配电网故障特征增强。
2) 提出基于域自适应迁移学习的故障选线方法,将源域选线模型迁移到目标域中,提升基于深度学习的故障选线方法在无标签小样本条件下的适应能力。
3) 在配电网不同运行环境下,对比测试了所提方法的有效性,同时采用t-SNE算法可视化算例测试结果,为算法提供可解释性分析。
引文信息:
刘畅宇 , 王小君 , 尚博阳 , 等. , {{custom_author.name_cn}}. 基于域自适应迁移学习的有源配电网故障选线方法[J]. 高电压技术. 2024, 50(7): 3050-3059
刘畅宇,博士研究生,主要研究方向为:配电网故障诊断、人工智能在电力系统中的应用;
王小君,博士、教授、博导,北京交通大学电气学院党委副书记、副院长。主要研究方向包括新型电力系统优化运行、人工智能在电力系统中的应用等。近年主持国家自然科学面上项目2项、国家重点研发计划3项,发表SCI/EI收录论文80余篇,申请发明专利20余项。获中国电力科学优秀科技工作者,作为骨干获省部级和学会奖励3项。
北京交通大学电力系统保护与控制团队现有教授5名(含IEEE Fellow 1名),副教授8名,高级工程师1名,师资博士后1名,在读博士/硕士研究生140余名。团队长期从事智能电网与能源互联网的运行、保护、控制和恢复相关研究。主持/参加科研项目80余项,包括国家863计划5项、国家重点研发计划12项、国家自然科学基金项目15项;累计发表学术论文500余篇,专利70余项;组织/参与编制IEEE标准3项,均已颁布。
团队学术氛围浓郁、国际交流密切、课余活动丰富、就业选择多样,欢迎国内外有志人士加入!
点击连接查看详细信息:
责编:程子丰
- 【 END 】 -
传播知识 · 分享成果 · 交流经验
声明:本文为原创作品,所涉文字及图片版权均属《高电压技术》编辑部所有,根据国家版权局最新规定,纸媒、网站、微信公众号转载、摘编我编辑部的作品,务必请提前联系我编辑部。个人请按本微信原文转发、分享
http://hve.epri.sgcc.com.cn/
《高电压技术》《High Voltage》视频号
联系我们