CN119518720A 基于图注意力网络的低压台区拓扑辨识方法 （国家电网有限公司）_第1页
CN119518720A 基于图注意力网络的低压台区拓扑辨识方法 （国家电网有限公司）_第2页
CN119518720A 基于图注意力网络的低压台区拓扑辨识方法 （国家电网有限公司）_第3页
CN119518720A 基于图注意力网络的低压台区拓扑辨识方法 （国家电网有限公司）_第4页
CN119518720A 基于图注意力网络的低压台区拓扑辨识方法 （国家电网有限公司）_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

司基于图注意力网络的低压台区拓扑辨识方法本发明提供了一种基于图注意力网络的低向量的权重矩阵W。得到基于图注意力网络的低2使用Glorot进行初始化网络参数注意力向量和特征向量的权重矩阵W，并使用AdamSGD估计的概率向量，并标识为j,得到低压台区拓扑结构。2.根据权利要求1所述的一种基于图注意力网络的低压台区拓扑辨识方法，其特征在3.根据权利要求1所述的一种基于图注意力网络的低压台区拓扑辨识方法，其特征在4.根据权利要求1所述的一种基于图注意力网络的低压台区拓扑辨识方法，其特征在5.根据权利要求1所述的一种基于图注意力网络的低压台区拓扑辨识方法，其特征在3i是图中节点i的某个邻域；其中，注意力机制是一个单层前馈神经网络，由权重向量deR2F参数化，并应用GAT模型可以学习到节点邻域中的局部特征和节点之间的全局关系，并得到更丰富的节点46.根据权利要求1所述的一种基于图注意力网络的低压台区拓扑辨识方法，其特征在5据，使用Glorot进行初始化网络参数注意力向量和特征向量的权重矩阵W，并使用Adam6ii是图中节点i的某个邻域；F′F′e7对应拓扑结构的开关状态标签作为模型的输入，利用基于图注意力网络8[0045]如图1图3所示，本实施例提供的一种基于图注意力网络的低压台区拓扑辨识方据，使用Glorot进行初始化网络参数注意力向量和特征向量的权重矩阵W，并使用Adam9ii是图中节点i的某个邻域；F′F′[0082]低压台区的每时刻的电压量测数据对应拓扑结构的开关状态作为标签向量3,[0087]本文采用近似对称的紧支集正交小波(Symlet)去噪函数对量测数据进行初步处[0093]需要模型训练阶段步骤S1.6中所涉及的基于GAT的拓扑辨识模型的训练方法如练集用于训练模型和确定参数(如权重矩阵W和注意力向量)，验证集用于作为超参数调F′[0109]输入到GAT网络第二层的特征向量经过一次特征更新后，设置为全连接层对进行线性变换，之后使用softmax函数将线性变换后的向量转换为概率分布表示开关i闭[0110]需要说明的是，模型训练阶段步骤S1.6[0112]Glorot初始化算法会根据输入层和输出层的节点数量来计算初始化参数的标准[0124]AdamSGD优化器是一种结合了Adam优化器和SGD优化器优点的优化器。它既能够像Adam优化器一样自适应调整学习率，又能够像SGD优化器一样保持学习率的稳定性。因[0125]AdamSGD优化器结合了Adam优化器和SGD优化器的原理。它使用Adam优化器计算每个参数的梯度估计值和方差估计值，然后使用SGD优化器更新参数值。具体来说，Adam表示第t次迭代的梯度估计值；vt表示第t次迭代的方差估计值；ε表示防止除以零的小常[0142]1)设置性能指标和阈值：在此选择准确率为监控变量，初步设置耐心度为10个

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