摘要
本发明属于拓扑识别技术领域,尤其涉及一种基于TCN‑LSTM的低压台区拓扑识别方法及系统;方法包括:获取低压台区的电压数据并进行预处理;将预处理后的电压数据输入至电网拓扑识别模型中,利用TCN模型提取电压数据的周期性特征,利用基于注意力机制的LSTM模型提取电压数据的长时间依赖特征;将提取的特征拼接后输入至KANs网络中进行特征融合,融合后的特征经过输出层后得到低压台区拓扑识别结果。本发明考虑到电压时间序列数据通常具有长期趋势和周期性特征,通过构建并行的特征提取分支捕捉长时间依赖信息以及周期性特征,为后续的台区识别提供丰富的特征表示。
技术关键词
台区拓扑识别方法
低压台区拓扑识别
周期性特征
注意力机制
依赖特征
电压
ARIMA模型
拓扑识别技术
记忆单元
序列
台区识别
电能表
变压器
网络
数据获取模块
处理器
系统为您推荐了相关专利信息
多模态深度学习
混合神经网络模型
静态特征
双向长短期记忆网络
多头注意力机制
变量
多尺度
多层前馈神经网络
基因
非暂态计算机可读存储介质
模态特征
面向无人机
通道注意力机制
跨模态
残差结构
多维度信息融合
检测识别方法
网络模块
加速度
注意力机制
液基薄层细胞检测技术
智能检测方法
空间关系分析
在线学习技术
贝叶斯网络模型