基于图转换和迁移学习的低压配电网户变关系和相位识别方法

为进一步提高低压配电网户变关系和相位识别的准确性,提出一种基于图转换和迁移学习的低压配电网户变关系和相位识别方法。首先,引入了基于格拉姆角场的图转换方法实现用电数据的二维化,以更好地发现一维时序用电数据间的差异性;然后,针对低压配电网用户数据稀缺、获取途径有限、样本数量较少等问题,基于迁移学习利用预训练好的参数权重,构建了适合户变关系和相位识别的深度学习模型。通过实验验证,所提模型在户变关系识别和相位识别中的准确率较主流方法均有所提升,拥有更好的稳定性。