基于Attention-RBF神经网络的配电变压器电流骤降点辨识方法

• 作者: 唐娴 孙毅 段炼 王伟超 黄锦增
• 来源期刊: 供用电
• 学科: 工学
• 关键词: 电流骤降 逐步回归 分类决策树 Attention机制 RBF神经网络
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 配电
• 页码范围: 31-39
• 页数: 9页
• 分类号: TM421
• 语种: 中文
• DOI: 10.19421/j.cnki.1006-6357.2020.12.005

摘要

配电网台区低压侧开关跳闸会导致变压器电流的骤降,故准确辨识变压器电流骤降信息能感知台区的运行状态,进而实现台区故障后的主动抢修.首先分析了实际工程应用领域的传统电流骤降点辨识方法,进而考虑工程优化的便捷性,提出了一种基于逐步回归和分类决策树的骤降点辨识方法,筛选重要表现特征参量,进而构建分时段辨识模型,提高精确率.然后,针对高精确率需求的运行环境,提出了基于Attention-RBF神经网络的骤降辨识模型,引入Attention机制加强关键信息的影响,进一步提升了辨识精确度.最后,通过仿真及应用案例分析,验证了所提方法的有效性.