基于人工神经网络全连接层优化的线损异常诊断方法研究

• 作者: 任宇驰 李林松 李清涛 王远 迟振烨
• 来源期刊: 电气应用
• 关键词: 线损率 深度学习 全连接神经网络 异常识别
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 应用研究
• 页码范围: 82-88
• 页数: 7页
• 语种: 中文

摘要

在一般工商业电价连续下调和国家电网公司打造“三型两网”战略目标的背景下,通过对线损率的合理管控,有利于公司降损增效,提高公司精益化管理水平.为此,提出一种基于人工神经网络全连接层优化的异常线损诊断方法,旨在发现异常线损并对成因进行初步诊断.该方法搭建了以全连接层为核心的人工神经网络模型,利用深度学习强大的自学习能力,对网络模型的参数不断自适应调节,通过调整后的模型对线损数据进行逐层提取和筛选,实现了自动识别和诊断配电网线路或台区的异常线损.最后,以某地区实际配电网验证了方法的有效性和可行性.