一种基于深度学习的配网电气拓扑识别方法

    公开(公告)号:CN112381667B

    公开(公告)日:2023-02-03

    申请号:CN202011259811.5

    申请日:2020-11-12

    摘要: 本发明公开了一种基于深度学习的配网电气拓扑识别方法,包括:S1:选取预设数量的台区,将每个台区内一定数量的用户作为数据采集对象,采集各用户对应的低压侧用电数据,作为配网拓扑识别数据集;S2:构建双通道一维卷积神经网络模型,包括特征提取模块、特征融合模块,其中特征提取模块中的两个通道各包括至少两个1DCNN+BN+ReLU结构的卷积层,多层叠加的结构可以更好地提取数据特征;特征融合模块包括一个1DCNN+BN+ReLU结构的卷积层,实现特征的深度融合;S3:使用双通道一维卷积神经网络模型对所述配网拓扑识别数据集进行训练,得到训练后的双通道一维卷积神经网络模型;S4:利用训练后的双通道一维卷积神经网络模型对配网拓扑识别数据集进行配网电气拓扑识别。

    一种基于深度学习的配网电气拓扑识别方法

    公开(公告)号:CN112381667A

    公开(公告)日:2021-02-19

    申请号:CN202011259811.5

    申请日:2020-11-12

    摘要: 本发明公开了一种基于深度学习的配网电气拓扑识别方法,包括:S1:选取预设数量的台区,将每个台区内一定数量的用户作为数据采集对象,采集各用户对应的低压侧用电数据,作为配网拓扑识别数据集;S2:构建双通道一维卷积神经网络模型,包括特征提取模块、特征融合模块,其中特征提取模块中的两个通道各包括至少两个1DCNN+BN+ReLU结构的卷积层,多层叠加的结构可以更好地提取数据特征;特征融合模块包括一个1DCNN+BN+ReLU结构的卷积层,实现特征的深度融合;S3:使用双通道一维卷积神经网络模型对所述配网拓扑识别数据集进行训练,得到训练后的双通道一维卷积神经网络模型;S4:利用训练后的双通道一维卷积神经网络模型对配网拓扑识别数据集进行配网电气拓扑识别。

    变压器远近温度监测控制器

    公开(公告)号:CN207050882U

    公开(公告)日:2018-02-27

    申请号:CN201720969099.5

    申请日:2017-08-04

    IPC分类号: G01K7/20 G01K1/02

    摘要: 本实用新型公开了变压器远近温度监测控制器,包括带有铂电阻的电桥比较电路、集成运放电路和报警电路,电桥比较电路的两输入端之间连接15V的稳定电压,电桥比较电路的两输出端连接集成运放电路的两输入端,集成运放电路的输出端连接报警电路的输入端和通讯接口。本实用新型通过上述原理,实现对变压器的温度进行稳定可靠的近端和远端测量及报警,达到变压器温度监测控制的目的。