基于神经网络的配网电气拓扑识别算法

摘要

提出了一种基于多通道自适应加权神经网络的配网电气拓扑识别算法，构建了多通道一维卷积神经网络(1DCNN)模型，以电压、电流、功率和功率因数4种采集数据作为各通道的输入数据，通过两层叠加的卷积模块实现特征提取；同时，提出了一种自适应加权的特征融合方案，通过神经网络自适应学习各通道重要性特征。实验采用真实用电数据制作数据集，并针对通道数、数据种类、数据维度等参数进行了多组实验。实验结果表明，该算法融合多种用电数据特征，配网电气拓扑辨识准确率达到99.772%。

关键词

自适应加权 / 深度学习 / 配网电气拓扑识别 / 特征融合 / 多通道模型