基于CNN-LSTM算法的分布式電力系統(tǒng)故障識別模型研究

打開文本圖片集

摘要：隨著現(xiàn)代電力系統(tǒng)的復(fù)雜性和規(guī)模不斷增加，分布式電力系統(tǒng)中故障識別與繼電保護(hù)的難度也逐步提升。鑒于此，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)、長短期記憶網(wǎng)絡(luò)、通道自注意力機(jī)制的故障識別與繼電保護(hù)模型，利用其對分布式電力系統(tǒng)中的故障類型進(jìn)行精確識別以達(dá)到繼電保護(hù)的作用。測試結(jié)果表明，信噪比為2 dB時(shí)，改進(jìn)模型的檢測準(zhǔn)確率為0.96，相較于傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)提高了31.51%。（剩余4636字）