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
本申请提供一种电力故障识别网络模型的训练样本中一维的多个电流时序数据转换为多意力模块用于对双通道多层感知机模块的输出力处理得到的电流注意力特征数据和电压注意基于自注意力处理得到的输出特征量对电力故2转换模块,用于将训练样本中一维的多个电流时序数据所述训练样本中一维的多个电压时序数据转换为多个电压特征提取模块,用于对多个所述电流二维数据进行特征双通道多层感知机模块,用于对多个所述电流特征向量进行横向多头交叉注意力模块,用于对所述双通道多层感知力处理得到的输出特征量对所述电力故障识特征提取模块,用于采用多个不同尺度的卷积核分别对第其中,所述第一电流二维数据是所述多个电流二维数据第一电压二维数据是所述多个电压二维数据中的模型处理模块,用于将所述待识别的电流时序数据和电压时序数其中,所述电力故障识别网络模型为应用权利要求1_4中任一项所述的训练装置训练将训练样本中一维的多个电流时序数据转换为多个电流二维数据,3对多个所述电流二维数据进行特征提取得到二维的多利用双通道多层感知机模块对多个所述电流特征向量进行横向维度和纵向维度的特对所述双通道多层感知机模块的输出向量分别进行多采用多个不同尺度的卷积核分别对第一电流二维数据对所述第一电流初始向量集中任一短于最长电流初始向量的电流初始向量进行均匀其中,所述第一电流二维数据是所述多个电流二维数据第一电压二维数据是所述多个电压二维数据中的将所述待识别的电流时序数据和电压时序数据输入预先训练好的所述电力故障识别其中,所述电力故障识别网络模型为应用权利要求6_7中任一项所述的训练方法训练在被执行时用于实现如权利要求6_7中任一项所述的训练方法或权利要求8所述的应用方4[0002]随着社会经济的快速发展和能源需求的增长,配电网对电力的稳定供应日益重意力处理得到的输出特征量对所述电力故障识别网用双通道多层感知机模块对多个所述电流特征向量进行横向维度和纵向维度的特征融合,5障识别网络模型为应用第三方面所述的训练方法训练得道多层感知机可以实现横向和纵向两个维度的交叉特征融合,实现长时序数据特征融合,6[0030]随着社会经济的快速发展和能源需求的增长,配电网对电力的稳定供应日益重[0036]图3是图2所示的电力故障识别网络模型的一种可能的实7[0037]转换模块210用于将训练样本中一维的多个电流时序数据转换为多个电流二维数[0043]特征提取模块220用于对多个电流二维数据进行特征提取得到二维的多个电流特[0048]示例性地,可以分别用A和V分别表示电流通道和电压通道的某一段时间内的数个不同窗口尺寸的卷积分别采集不同时间跨度的信息,将三种维度的特征数据融合在一8方式中,特征提取模块220用于采用多个不同尺度的卷积核分别对第一电流二维数据进行[0064]双通道多层感知机模块230用于对多个电流特征向量进行横向维度和纵向维度的[0068]图6是图3所示的双通道多层感知机模块230的一种可能的实现方式的示意图。如9[0069]DPMLP模块采用不同于传统的网络结构,在两种不同类型的多层感知机(multi_道多层感知机可以实现横向和纵向两个维度的交叉特征融合,实现长时序数据特征融合,[0077]多头交叉注意力模块240用于对双通道多层感知机模块的输出向量分别进行多头[0081]若给定查询qeRda,键keRdk和值veRdv,W0表示多头结构的拼接权重。则多头[0084]本申请实施例将电压和电流通道分别采用交叉注意力和自注意力机制实现多维度特征融合。交叉注意力(cross_attention)是在特征图内而不是整个特征图中交替注意操作的计算量都比Transformer网络中的标准自注意力(self_attention)少。通过在内部分块(Patch)和分块之间交替应用注意力,可以使交叉注意力以较低的计算成本保持同等的性能,并为其他任务构建了一个称为交叉注意力Transformer(cross_attention[0085]图8是图3所示的多头交叉注意力模块240的一种可能的实现方式的示意图。图9a[0086]输入的电流和电压特征向量Xt和Yt分别经过线性注意力层(LineaavT[0095]基于改进的多头注意力机制可以将双通道数据在不同特征尺度下进行融合。因而,本申请实施例的网络模型也可以称为多通道交叉注意力网络(multi_channelcross_道多层感知机可以实现横向和纵向两个维度的交叉特征融合,实现长时序数据特征融合,和混合多层感知机(MLP_Mixer)构造了基于改进的交叉注意力机制的多尺度故障识别网络。利用交叉注意力单元获取电流注意力特征数据和电压注意力特征数据的联合特征数[0109]在另一些实现方式中,录波模块1010也可以包括连续录波组件和故障录波组[0112]模型处理模块1030用于将待识别的电流时序数据和电压时序数据输入预先训练为采用前文任一项描述的电力故障识别网络模型的训练装置训练得交叉注意力网络模型(MCCANet)搭建的故障识别系统,只需要对模拟量通道进行监视即可道多层感知机可以实现横向和纵向两个维度的交叉特征融合,实现长时序数据特征融合,[0117]本申请实施例基于深度学习方法搭建故障识别系统,实图12所示,本申请实施例的电力故障识别网络模型的训练方法主要可以包括步骤S1210至[0120]需要指出的是,本申请实施例中各步骤的序号的大小并不意味着执行顺序的先[0121]在步骤S1210中,将训练样本中多个一维的电流时序数据转换为多个电流二维数[0122]在步骤S1220中,对多个电流二维数据进行特征提取得到二维的多个电流特征向[0123]在步骤S1230中,利用双通道多层感知机模块对多个电流特征向量进行横向维度[0125]在步骤S1240中,对双通道多层感知机模块的输出向量分别进行多头交叉注意力[0126]可选地,步骤S1220中的对多个电流二维数据进行特征提取得到二维的多个电流匀补零,将数据扩充后的第一电压初始向量集的向量进行叠加后得到对应的电压特征向[0127]可选地,对双通道多层感知机模块的输出向量分别进行多头交叉注意力融合处道多层感知机可以实现横向和纵向两个维度的交叉特征融合,实现长时序数据特征融合,图13所示,本申请实施例的电力故障识别网络模型的应用方法主要可以包括步骤S1310至[0132]在步骤S1320中,将待识别的电流时序数据和电压时序数据输入预先训练好的电[0144]图15是图13所示的应用方法的一种可能的实现方式的流程示意图。本申请实施[0160]图16是本申请实施例提供的电子设备的组成单元/部分组成单元示意图。如图16[0162]处理器1620与存储器1610相连,用于执行存储器1610中存储的代码或计算机程它通用处理器、数字信号处理器(digitalsignalprocessor,DSP)、专用集成电路(applicationspecificintegratedcircuit,ASIC)、现场可编程门阵列(field_质存储有计算机程序,该计算机程序被处理器执行时可实现上述各个方法实施例中的步将计算机程序代码携带到拍照装置/电子设备的任何实体或装置、记录介质、计算机存储
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
- 八年级地理上册期末复习教学设计:中国地理概况与区域认知专题归纳
- 高一地理产业区位选择单元复习教学设计
- 小学二年级美术《收纳美化师》教学设计
- 初中九年级物理跨学科实践教学设计:制作简易热机模型
- 八年级物理《质量》核心概念建构与测量实践教学设计
- 高一生物必修1《核酸是遗传信息的携带者》教学设计
- 高中物理必修第一册 4.5 牛顿运动定律的应用 教学设计
- 初中物理八年级跨学科实践自制天文望远镜培优教学设计
- (2026年)镇卫生院开展治理医药购销和医疗服务中的腐败问题集中整治工作总结报告
- 配送管理 教案 申纲领 第4-8章
- 2026年健康管理师职业技能等级认定(一级)操作技能考前冲刺试题
- 关键核心技术领域青年人才成长规律和培养支持的建议
- 言语治疗共鸣障碍课件
- 福建莆田市拔尖人才选拔考试六年级试卷及答案
- 电力行业技术服务合同
- JGJ52-2006 普通混凝土用砂、石质量及检验方法标准
- 四川省民族地区旅游产业发展综合规划
- 主题班会调整心态缓解压力省公开课一等奖全国示范课微课金奖课件
- 病毒基因组课件
- 中裕能源项目短视频运营方案
- 三年级英语课标解读课件
评论
0/150
提交评论