CN119482462A 一种基于大数据驱动的输电线路故障预警系统及方法 （北京亚能电气设备有限公司）_第1页
CN119482462A 一种基于大数据驱动的输电线路故障预警系统及方法 （北京亚能电气设备有限公司）_第2页
CN119482462A 一种基于大数据驱动的输电线路故障预警系统及方法 （北京亚能电气设备有限公司）_第3页
CN119482462A 一种基于大数据驱动的输电线路故障预警系统及方法 （北京亚能电气设备有限公司）_第4页
CN119482462A 一种基于大数据驱动的输电线路故障预警系统及方法 （北京亚能电气设备有限公司）_第5页
已阅读5页，还剩24页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于大数据驱动的输电线路故障预警了一种基于大数据驱动的输电线路故障预警系术，提高了输电线路故障预警的准确性和实时2状态预测模块，用于构建并运行输电线路状态预测模风险评估模块，用于构建并运行故障风险评估模型，该模型接收输电预警决策模块，用于构建并运行故障预警决策模型，该模型将输电管理执行模块，用于基于训练好的状态预测模块、风险奖励函数：根据状态预测偏差和风险指数偏差计算奖励或惩输出策略：定义为在当前状态下选择最优动作的方法，通过深度获取输电线路的实时运行状态数据；将实时运行状态数据与预测获取输电线路的实时故障风险评估数据；将故障风险评估模型3隐藏层：包含至少一层ConvLSTM隐藏层，每层ConvLSTM隐藏层输出层：接收隐藏层的输出，并通过一个全连接层将ConvLSTM网络F202：利用随机森林算法对训练样本集进行训练，通过构建多棵决4S402：若当前轮迭代的累计奖励值高于前一轮S403：若当前轮迭代的累计奖励值低于前一轮于输电线路状态预测模型的输出和故障风险评估模F4：基于训练好的输电线路状态预测模型、故障风险评估模型和56[0009]优选的，所述输电线路状态预测模型采用卷积长短期记忆网络ConvLSTM算法构隐藏层：包含至少一层ConvLSTM隐藏层，每层ConvLSTM隐藏层包含若干个F103：采用反向传播算法和Adam优化算法，根据损失函数计算梯度，并更新7[0012]优选的，所述故障预警决策模型采用近端策略优化PPO算法构建，其训练步骤包8于基于输电线路状态预测模型的输出和故障风险评估模[0019]图1为本发明所述的一种基于大数据驱动的输电线路故障预警方法的工作原理9预警措施或通过管理系统传输给管理人员确以下将详细描述ConvLSTM网络的结构、训练步骤以及其在输电线路状态预测中的具体应阶矩估计的自适应学习率优化算法，它结合了动量法和RMSProp法的优点，具有收敛速度[0050]随机森林算法会综合所有决策树的预测结果，通过投票方式得出最终的预测结[0054]实施例4：本实施例用于详细描述利用PPO算法构建了输电线路故障预警决策模[0061]iv)随机采样经验：从经验回放缓冲区D中随机采样一批经验，用于基于输电线路状态预测模型的输出和故障风险评估模

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论