改进型CNN-LSTM深度学习神经网络的台区户变拓扑关系识别

作     者：朱铮 戴辰 蒋超 许堉坤 肖爽 Zhu Zheng;Dai Chen;Jiang Chao;Xu Yukun;Xiao Shuang

作者机构：国网上海市电力公司电力科学研究院上海200051 国网上海市电力公司上海200122 

出 版 物：《电气自动化》 (Electrical Automation)

年 卷 期：2024年第46卷第4期

页      面：93-95页

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61772327) 

主　　题：卷积神经网络 长短期记忆 户变拓扑关系 识别分析系统 卷积神经网络模型 用户识别 

摘      要：针对电力台区内各种数据信息繁多复杂、数据处理能力滞后及用户利用率低下等问题,提出一种新型的台区户变拓扑关系识别方法。通过构建卷积神经网络(convolutional neural network,CNN)和长短期记忆(long short-term memory,LSTM)神经网络模型,将台区内配电变压器的有功功率、无功功率、电压值、电流值和用户侧的多种用电数据信息转换为CNN-LSTM深度学习神经网络模型;并在CNN模型中融入LSTM模块,以将台区户变拓扑宏观数据关系转换为微观数据信息识别,大大提高台区户变拓扑关系识别和应用能力。通过设置CNN-LSTM深度学习神经网络不同的层次,计算台区户变拓扑关系。通过算例分析,大大提高了用户识别能力,为台区户变拓扑关系识别提供了技术思路。