继电保护装置可靠性是保证电力系统安全、稳定运行的基础,为准确预测继电保护装置的可靠性,构建基于长短时记忆(long-short term memory,LSTM)网络的继电保护装置可靠性预测模型。提出将注意力模型嵌入LSTM网络以进一步提高LSTM网络的...继电保护装置可靠性是保证电力系统安全、稳定运行的基础,为准确预测继电保护装置的可靠性,构建基于长短时记忆(long-short term memory,LSTM)网络的继电保护装置可靠性预测模型。提出将注意力模型嵌入LSTM网络以进一步提高LSTM网络的预测准确度,建立基于云模型的继电保护装置劣化程度指标定量和定性评估之间不确定性转换模型。结果表明:嵌入注意力模型的LSTM网络比LSTM网络的预测准确度显著提高,具有较好的逼近能力和泛化能力,均方根误差为1.28%,平均绝对百分比误差为6.62%,当劣化程度指标大于40%时的相对误差控制在–5%~5%范围内。采用建立的云模型分析方法实现相同评级范围的样本劣化程度指标定性和定量联合评判,可为定性评级的模糊性和随机性提供定量评价指导。展开更多
文摘继电保护装置可靠性是保证电力系统安全、稳定运行的基础,为准确预测继电保护装置的可靠性,构建基于长短时记忆(long-short term memory,LSTM)网络的继电保护装置可靠性预测模型。提出将注意力模型嵌入LSTM网络以进一步提高LSTM网络的预测准确度,建立基于云模型的继电保护装置劣化程度指标定量和定性评估之间不确定性转换模型。结果表明:嵌入注意力模型的LSTM网络比LSTM网络的预测准确度显著提高,具有较好的逼近能力和泛化能力,均方根误差为1.28%,平均绝对百分比误差为6.62%,当劣化程度指标大于40%时的相对误差控制在–5%~5%范围内。采用建立的云模型分析方法实现相同评级范围的样本劣化程度指标定性和定量联合评判,可为定性评级的模糊性和随机性提供定量评价指导。
