摘要
雷击事故一直是影响配电网供电可靠性的主要原因,给电力系统造成重大经济损失。为了降低配电网雷击事故发生分概率,基于深度学习提出一种多权重特征融合的雷电预警模型。该模型第一次将Bidirectional Encoder Representation from Transformers(BERT)引入对配网数据中心大气及电场数据进行预处理。考虑到检测数据具有一定的时序性,采用双向长短记忆网络(BiLSTM)时序网络对预处理数据进行特征提取。为了弥补BiLSTM数据之间的相关性,采用自注意力(Self-attention)模型对数据之间权重分析。同时,考虑到模型训练过程信息的丢失,采用残差网络对特征信息进行弥补。为了验证模型预警的有效性,采用PyCharm从模型模块匹配和对比模型两个方面进行实验验证。实验结果表明,相对于对比模型预警结果,所提模型在预警的均方误差和空爆率都得到很大降低,同时提高了预警的准确率。所提模型提高了雷电检测的准确率,降低雷击电网事故的发生,进而提高了配电网运行的可靠性。
作者
罗龙波
陈明辉
刘艳萍
单华鹏
LUO Long-bo;CHEN Ming-hui;LIU Yan-ping;SHAN Hua-peng
出处
《制造业自动化》
北大核心
2023年第11期61-65,211,共6页
Manufacturing Automation
基金
中国南方电网有限责任公司科技项目(080016KK52200005)。
