摘要
本发明提供了一种基于FSGATv2和拓扑相似性的配电网故障定位方法,属于配电网故障定位技术领域;解决模型从仿真到实践应用过程中拓扑结构变化的小样本问题;首先,将特征选择模块嵌入到GATv2网络中,提升模型对故障特征的敏感程度。然后,基于拓扑相似性对配电网拓扑进行分类,以此提高故障定位模型的拓扑泛化能力;同时采用优化动态损失函数的域自适应迁移学习方法,降低源域和目标域数据之间的分布差异,有效解决少样本故障定位问题;本发明应用于配电网不同运行工况下的故障定位。
技术关键词
配电网故障定位方法
统计特征
迁移学习方法
配电网故障定位技术
配电网运行工况
节点特征
Softmax函数
配电网拓扑结构
故障定位模型
线路零序电流
新拓扑结构
特征选择
数据分布
标准差特征
多头注意力机制
分类器
表达式
系统为您推荐了相关专利信息
智能诊断方法
拓扑特征
构建知识图谱
指纹模型
频域特征
动态检测方法
超图构建方法
账户
近邻算法
双向长短期记忆网络
多维特征向量
网络安全数据
网络安全漏洞
自动化漏洞验证
跨模态
迁移学习方法
迁移学习模型
样本
预测装置
交叉验证方法
复发预测模型
早期肝癌
风险分层
早期肝细胞癌
CT影像数据