摘要
低压配电台区户变关系信息是电力网络的基础性档案,准确识别低压配电台区户变关系对于电网企业尤为重要.采用一维序列分类神经网络进行台区户变关系识别时,存在序列易丢失时间依赖性、识别准确率低、准确率不稳定的问题,为此,提出一种基于格拉姆角场和改进残差神经网络的户变关系识别方法,以用户电压数据为基础,首先采用格拉姆角场方法将一维电压数据序列转换为特征矩阵,将矩阵元素对应于图像灰度采用伪彩色处理形成二维特征图谱;然后采用引入空间注意力模块进行改进的残差神经网络分类特征图谱以识别台区户变关系,采用格拉姆角场和伪彩色处理生成特征图谱,同时保留序列时间依赖性并使用空间注意力模块突出台区电压特征图谱差异,提高户变关系的识别准确率和稳定性.经实验验证,所建立的户变关系识别(CTRI)模型中台区用户识别平均准确率为98.52％,相较于一维卷积神经网络(1D-CNN)和二维卷积神经网络(2D-CNN)的平均识别准确率分别提升18.26％和10.1％.
基金项目
重庆市教委科学技术研究基金(KJZD-K202002601)
国家科技期刊平台
NSTL
万方数据