基于迁移学习算法的电力数据挖掘模型
易庚
何琳
刘锦明
赵学花
国网新疆电力有限公司 经济技术研究院,乌鲁木齐 830000
摘要：为了提高智能电网的电力数据挖掘精确度,基于迁移学习算法提出了一种具有故障检测、诊断等多种功能的电力数据挖掘模型.利用栈式稀疏自编码器和循环神经网络,提出了基于PCA与SVM的智能电网线路故障检测模型;基于长短期记忆网络等循环神经网络理论,建立具有较高精确度的故障诊断模型.在此基础上,通过引入最大均值差异算法,提出基于迁移学习的数据挖掘模型.仿真结果表明,与传统模型相比,在不同的最大均值差异值和采样间隔时,所提出的模型具有更高的数据挖掘精确度.
关键词：智能电网深度学习迁移学习故障检测故障诊断神经网络自编码器最大均值差异
分类号：TM73(输配电工程、电力网及电力系统)
资助基金：国家自然科学基金(61101249)新疆经济技术研究院成本费用咨询项目(5400-201934112A-1-1-06)
论文发表日期：2023-09-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 510-515 )
英文信息