-
题名基于图卷积网络的配电网故障定位及故障类型识别
被引量：7
- 1
-
-
作者
许可
范馨月
张恒荣
-
机构
贵州大学数学与统计学院数学系
贵州电网有限责任公司电力科学研究院
-
出处
《实验技术与管理》
CAS
北大核心
2023年第1期26-30,共5页
-
基金
贵州省科技计划项目(黔科合平台人才〔2020〕5016)
贵州大学教改项目(XJG2021027)
贵州大学一流课程培育项目(XJG2021040)。
-
文摘
主流的配电网故障定位和识别故障类别任务分开建模,却忽略了故障定位和故障类别之间关联性,该文提出了故障定位以及故障类别的端到端联合模型。利用契比雪夫图卷积神经网络(ChebNet)作为编码器,聚合静态的图结构和动态的节点信息得到各节点的数学表达;在故障定位解码端,通过多头自注意力机制建立适用于节点属性变化以及融合配电网拓扑结构的配电网故障定位模型;在故障分类解码端,结合故障定位解码端的故障区域信息以及ChebNet编码器得到的各节点的数学表达,通过全连接层建立故障类型识别模型。实验结果表明,基于契比雪夫图卷积神经网络在双电源配电网中故障定位中效果较好,故障定位准确率达到98.25%,故障类别任务中的准确率为93.11%。该方法适用于主动配电网结构灵活及含分布式电源的配电网络中。
-
关键词
契比雪夫图卷积神经网络
多头自注意力机制
配电网
联合模型
-
Keywords
Chebyshev graph convolutional neural network
multi-headed self-attentive mechanism
distribution network
joint model
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TM73
[电气工程—电力系统及自动化]
-
-
题名基于切比雪夫一阶截断式的谱卷积协同过滤
- 2
-
-
作者
王嘉豪
梅红岩
刘鑫
李晓会
-
机构
辽宁工业大学电子与信息工程学院
-
出处
《计算机工程与设计》
北大核心
2022年第12期3406-3413,共8页
-
基金
国家自然科学基金青年基金项目(61802161)
辽宁省自然科学基金项目(20180550886)。
-
文摘
为解决个性化推荐协同过滤中存在用户关联项目过少,而引起的用户冷启动问题,提出一种基于切比雪夫优化的谱卷积协同过滤推荐算法。将用户-项目二部图转换到谱域,通过切比雪夫一阶截断式建立深度前馈神经网络,优化卷积过程,省略拉普拉斯矩阵复杂的特征分解,缩短模型训练时间,在谱域中快速发现用户与相关项目之间的隐性关联信息。经过实验验证,该方法对提升推荐结果的准确性有着较为明显的帮助,更为有效挖掘用户与项目间关联信息。
-
关键词
推荐系统
图神经网络
谱域图卷积
前馈神经网络
反向传播
切比雪夫
协同过滤
-
Keywords
recommendation system
graph neural network
spectral convolution
feedforward neural network
back propagation
Chebyshev
collaborative filtering
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
