基于随机失活LSTM网络的避雷器阻性电流预测方法

• 作者: 张古尧 马爱清
• 来源期刊: 水电能源科学
• 关键词: 金属氧化物避雷器 阻性电流 深度学习 长短期记忆网络
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 电气工程
• 页码范围: 159-162,98
• 页数: 5页
• 语种: 中文

摘要

金属氧化物避雷器(MOA)老化后,会丧失对过电压的抑制力,从而使电气设备暴露在过电压的危险下,因此及时了解MOA老化情况,对于电力系统设备的安全、可靠运行十分重要.在此背景下,提出了引入随机失活技术的长短期记忆网络(LSTM)避雷器阻性电流预测方法,来判断MOA的老化趋势,该方法能有效避免深度学习的过拟合问题并改善网络性能.采用某变电站避雷器数据对所提方法进行训练,结果表明所提出的深度LSTM算法与BP神经网络、循环神经网络相比精度显著提升,预测结果的均方误差在4.3％左右.