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 Trans...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。展开更多
利用江西南昌地区南昌县、小蓝经开区、塔城乡和小莲村等站点多个时间序列的大气电场和雷电数据,选取南昌地区2018-2020年56个雷电活动过程中共计224个时间序列大气电场和经小波函数sym5和阈值分析法Rigorous Sure变换的大气电场信号进...利用江西南昌地区南昌县、小蓝经开区、塔城乡和小莲村等站点多个时间序列的大气电场和雷电数据,选取南昌地区2018-2020年56个雷电活动过程中共计224个时间序列大气电场和经小波函数sym5和阈值分析法Rigorous Sure变换的大气电场信号进行训练和测试,建立自组织数据处理的群方法GMDH(group method of data handling)神经网络模型并应用于雷电活动的预警。结果表明:30~60 min GMDH神经网络模型预测值和实测值相关系数(R)在0.7~0.85之间,经过小波变换处理后的大气电场数据预测准确率更高,预测值与实测值的相关系数接近于1,均方误差、均方根误差以及准则值(P)均可控制在5%以内;借助提前获取的大气电场预测数据,通过大气电场强度剧烈的脉冲变化可以预示着雷电活动的发生,有效地提高雷电预警的准确率和时效性。展开更多
文摘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。
文摘利用江西南昌地区南昌县、小蓝经开区、塔城乡和小莲村等站点多个时间序列的大气电场和雷电数据,选取南昌地区2018-2020年56个雷电活动过程中共计224个时间序列大气电场和经小波函数sym5和阈值分析法Rigorous Sure变换的大气电场信号进行训练和测试,建立自组织数据处理的群方法GMDH(group method of data handling)神经网络模型并应用于雷电活动的预警。结果表明:30~60 min GMDH神经网络模型预测值和实测值相关系数(R)在0.7~0.85之间,经过小波变换处理后的大气电场数据预测准确率更高,预测值与实测值的相关系数接近于1,均方误差、均方根误差以及准则值(P)均可控制在5%以内;借助提前获取的大气电场预测数据,通过大气电场强度剧烈的脉冲变化可以预示着雷电活动的发生,有效地提高雷电预警的准确率和时效性。
