基于多任务学习的新型电力系统故障诊断方法

摘要：

当前对于电力系统故障诊断的研究大都基于传统电力系统,而且对于不同诊断任务采用不同的诊断模型,这在实际应用中不仅造成了设备资源的浪费,也忽略了各诊断任务之间的关联.为此,运用多任务联合训练方式挖掘不同诊断任务之间的关联信息,建立一种多任务学习的新型电力系统故障诊断模型.首先通过底层共享深度置信网络(DBN)层进行特征提取;然后通过顶层分类层输出诊断结果;最后实验结果表明,所提模型不仅能够实现新型电力系统的故障类型和故障选线诊断任务,而且具有较高的效率以及精度.除此之外,还与同结构的单任务学习诊断模型进行对比,结果表明,多任务学习模型诊断效果更好.

关键词：新型电力系统、深度置信网络、多任务学习、故障诊断、单任务学习、特征提取、联合训练

所属期刊栏目：46

分类号：TN99-34;TM726

资助基金：国家自然科学基金;新疆维吾尔自治区自然科学基金资助项目

在线出版日期：2023-08-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：155-160