基于双向长短期记忆网络的输电线路状态画像与评估

作     者：吴晨曦 李博亚 孙弼洋 钟素鹏 WU Chenxi;LI Boya;SUN Biyang;ZHONG Supeng

作者机构：国网浙江省电力有限公司超高压分公司杭州310000 

基　　金：国网浙江省电力有限公司科技项目(5211MR20004V) 

出 版 物：《浙江电力》 (Zhejiang Electric Power)

年 卷 期：2022年第41卷第10期

页      码：34-41页

摘      要：为提高输电线路状态评估的准确率,提出一种先聚类再回归的输电线路状态画像与评估模型。首先,设计自组织神经网络对输电线路原始数据进行降维,自适应地提取若干类代表性特征信息,无需人工提取特征和依据主观经验选择聚类数;然后,将代表性特征数据输入LSTM(长短期记忆)网络中,LSTM网络将前向学习和反向学习相结合,对模型进行双向训练与评估,建立输电线路核心数据与状态的非线性映射关系,提高电网场景下的输电线路状态评估准确率。实验结果表明,所提模型在实际数据集上取得了较好的评估效果,评估准确率高于常用的支持向量机、人工神经网络、稀疏自动编码机等方法。

主 题 词：输电线路状态评估 双向长短期记忆网络 自组织神经网络 降维 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 080802[080802] 0808[工学-自动化类] 08[工学] 081104[081104] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.19585/j.zjdl.202210005

馆 藏 号：203115457...