典型文献
基于多站支路功率联合学习的分布式光伏支路异常检测方法
文献摘要：
近年来,分布式光伏站点数量迅速增长,频发的支路异常带来了巨大的发电效能损失,也产生了如何精准且高效检测多站支路异常的需求.为解决上述问题,提出了基于多站支路功率联合学习的分布式光伏支路异常检测方法.该方法通过多个光伏站支路异常检测任务联合学习的方式,提取了辨识多站支路异常特征的相似性和差异性表示;通过构建的多尺度卷积神经网络有效捕捉了多站支路功率中存在的差异性异常特征;利用辅助任务充分学习多站支路异常辨识特征的相似表示;采用多阶段训练策略减少辅助任务对多站支路异常检测精度的消极影响.最后,通过收集的多站支路功率数据进行实验对比,结果证明了提出方法能有效提升分布式光伏各站支路异常检测的精度.此外,该方法仅需构建一个模型即可检测分布式光伏多站支路异常,具有较好的建模便捷性.
文献关键词：
分布式光伏;支路;异常检测;联合学习;卷积神经网络
中图分类号：
作者姓名：
苏雍贺;左颖;靳健;张贺;谢祥颖;任天翔
作者机构：
北京航空航天大学自动化科学与电气工程学院,北京 100191;北京航空航天大学前沿科学技术创新研究院,北京 100191;北京师范大学政府管理学院,北京 100875;国网电子商务有限公司光伏云事业部,北京 100053
文献出处：
引用格式：
[1]苏雍贺;左颖;靳健;张贺;谢祥颖;任天翔-.基于多站支路功率联合学习的分布式光伏支路异常检测方法)[J].计算机集成制造系统,2022(07):2149-2161
A类：
B类：
支路,联合学习,分布式光伏,异常检测方法,高效检测,异常特征,多尺度卷积神经网络,辅助任务,异常辨识,辨识特征,多阶段,阶段训练,训练策略,检测精度,消极影响,实验对比,各站,检测分布,便捷性
AB值：
0.253774
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
