典型文献
基于注意力机制和卷积神经网络的配电网拓扑辨识
文献摘要：
针对当前配电网拓扑变化频繁,拓扑结构实时获取困难等问题,文章提出基于注意力机制和卷积神经网络的配电网拓扑辨识方法.首先利用卷积神经网络挖掘量测信息和配电网拓扑结构之间的关系,学习其映射规则;考虑当前配网中同步相量测量装置(phasor measurement unit,PMU)和微型同步相量测量装置(mico phasor measurement unit,μPMU)等高级量测设备安装数量不足导致获取量测数据质量不高的问题,在卷积神经网络隐藏层中融入注意力机制,以增强模型鲁棒性;通过随机森林算法对特征数据集进行降维,降低模型时、空复杂度;最后,分别基于IEEE 33节点配电网和PG&E69节点配电网开展算例分析,以验证方法的可行性和优越性,并检验利用更少特征进行拓扑辨识的可能性.结果表明:所提方法具有良好优越性和鲁棒性,泛化能力强,在仅提供少量时间断面量测数据情况下便可实现配电网拓扑辨识,且对于辐射网和含环网络同样适用.
文献关键词：
配电网;注意力机制;卷积神经网络;随机森林;拓扑辨识
中图分类号：
作者姓名：
杨秀;蒋家富;刘方;田英杰;李凡;吴裔
作者机构：
上海电力大学 电气工程学院,上海市 杨浦区 200090;国网上海市电力公司电力科学研究院,上海市 虹口区 200437
文献出处：
引用格式：
[1]杨秀;蒋家富;刘方;田英杰;李凡;吴裔-.基于注意力机制和卷积神经网络的配电网拓扑辨识)[J].电网技术,2022(05):1672-1682
A类：
mico
B类：
注意力机制,配电网拓扑,拓扑辨识,拓扑变化,拓扑结构,辨识方法,网络挖掘,量测信息,映射规则,配网,同步相量测量装置,phasor,measurement,unit,PMU,设备安装,量测数据,数据质量,增强模型,模型鲁棒性,随机森林算法,特征数据集,IEEE,PG,E69,算例分析,验证方法,泛化能力,辐射网,环网
AB值：
0.265257
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
