典型文献
基于小样本学习方法的配电网亚健康工况识别
文献摘要：
为准确识别配电网介于正常与故障之间的亚健康工况,避免运行情况的进一步恶化,保障配电网持续健康运行,提出一种基于小样本学习的配电网亚健康工况识别方法.采用均值聚类算法从配电网繁杂的历史信息中筛选出亚健康工况所对应的状态数据,并将其作为一类特殊的小样本集合,通过卷积孪生网络的映射和欧氏距离的比对学习过程,完成降低小样本数据维度及相似特征的提取,从而实现多种运行方式下配电网亚健康工况的具体识别.仿真结果表明小样本条件下卷积孪生网络较传统方法更加适合配电网亚健康工况的识别,并针对数据特征设定网络最优阈值进一步优化亚健康工况的识别精度,加以干预可避免运行情况的恶化,具有提高配电网健康运行管理水平的现实意义.
文献关键词：
配电网;亚健康工况;小样本学习;卷积孪生网络;卷积神经网络;工况识别;识别准确率
中图分类号：
作者姓名：
蒋博;田易之;田莉;魏楠
作者机构：
新疆大学,新疆 乌鲁木齐 830017;国网新疆电力有限公司检修公司,新疆 乌鲁木齐 830002
文献出处：
引用格式：
[1]蒋博;田易之;田莉;魏楠-.基于小样本学习方法的配电网亚健康工况识别)[J].现代电子技术,2022(21):181-186
A类：
亚健康工况
B类：
小样本学习,配电网,工况识别,准确识别,运行情况,健康运行,均值聚类,聚类算法,繁杂,历史信息,状态数据,样本集合,卷积孪生网络,欧氏距离,学习过程,小样本数据,数据维度,特征的提取,运行方式,样本条件,下卷,数据特征,最优阈值,识别精度,运行管理,识别准确率
AB值：
0.213369
相似文献
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。
