摘要
本发明提出了一种基于深度学习的低压配电网的拓扑识别方法和系统,属于电网拓扑识别技术领域,该方法包括:根据低压配电网的结构特点和节点分布,在关键节点位置部署多源传感阵列,利用多源传感阵列采集第一数据,并处理为第三数据;建立用于低压配电网拓扑识别的深度学习模型,采用第三数据集对深度学习模型训练得到训练后的深度学习模型,利用训练后的深度学习模型输出拓扑结构预测结果;展示拓扑结构预测结果,依据拓扑关系绘制节点间的连接线路;以及对线路的电气量数据和环境数据进行标识。基于该方法,还提出了一种基于深度学习的低压配电网的拓扑识别系统。本发明实现了低压配电拓扑结构的高精度和高适应性识别。
技术关键词
拓扑识别方法
低压配电网络
低压配电网拓扑识别
可视化界面
数据
颜色映射函数
节点
电磁感应传感器
拓扑识别系统
立体模型
电网拓扑识别技术
电压
线路
电流
深度学习模型训练
系统为您推荐了相关专利信息
冷凝除湿方法
高温高湿环境
优化调控模型
温湿度
嵌套
Sigmoid函数
LSTM模型
地图导航功能
预计行驶时间
订单
信号识别方法
智能系统
液压油
偏差
在线监测模块