基于门控循环注意力网络的配电网故障识别方法

为了提高小样本条件下配电网故障辨识准确率,提出一种门控循环注意力网络模型.首先,通过注意力机制赋予故障相中关键周期较高权重,通过加权运算使得模型更加关注上述关键信息.其次,利用门控循环网络处理波形序列,该网络利用门控信号控制记忆传递过程,并借由记忆传递建立序列中不同阶段输入波形和故障类别概率间的关系,从而提升识别准确率.基于仿真数据和实际数据的实验均表明：所提方法在小样本条件下的可靠性和准确率远优于同等条件下支持向量机、梯度提升决策树、卷积神经网络等常用分类模型,为配电网故障辨识技术提供了一种新思路.     

基于5G的电网合环电流计算评估及测量分析

合环倒闸操作关系着系统供电可靠性和经济性，为提升电网运行人员合环倒闸成功率，解决合环电流的准确计算评估问题，本文在等值阻抗计算分析基础上，结合5G量测终端的电压向量采集装置，提出了一种合环电流的计算评估方法。以实际电网跨区合环点为算例，进行了合环电流的分析评估。结果表明，该方法能实时准确计算出合环稳态电流和冲击电流，为电网运行人员合环倒闸操作提供了确定性依据，在电网运行中有很强可行性和实用性。