期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于格拉姆角场和改进残差网络的低压配电台区户变关系识别方法
被引量:
5
1
作者
白勇
熊隽迪
+1 位作者
杨渝
肖睿
《重庆理工大学学报(自然科学)》
CAS
北大核心
2021年第12期189-197,共9页
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...
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%。
展开更多
关键词
低压配电台区
户变关系识别模型
格拉姆角场
空间注意力
改进残差神经网络
下载PDF
职称材料
题名
基于格拉姆角场和改进残差网络的低压配电台区户变关系识别方法
被引量:
5
1
作者
白勇
熊隽迪
杨渝
肖睿
机构
重庆电力高等专科学校
重庆大学输配电装备及系统安全与新技术国家重点实验室
出处
《重庆理工大学学报(自然科学)》
CAS
北大核心
2021年第12期189-197,共9页
基金
重庆市教委科学技术研究基金项目(KJZD-K202002601)。
文摘
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%。
关键词
低压配电台区
户变关系识别模型
格拉姆角场
空间注意力
改进残差神经网络
Keywords
low-voltage distribution station area
identification of consumer-transformer relationship
gram angle field
spatial attention
improved residual neural network
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于格拉姆角场和改进残差网络的低压配电台区户变关系识别方法
白勇
熊隽迪
杨渝
肖睿
《重庆理工大学学报(自然科学)》
CAS
北大核心
2021
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部