基于门控注意力网络的电流互感器在线监测方法

摘要

随着电网服务需求的不断提高，电力互感器作为电网系统重要设备，对其在线监测和状态评估提出了更高的要求。传统电磁式电流互感器需停电进行离线校准，难以反映真实运行状态，增加了运维复杂性和成本，影响了电能计量准确性和电网稳定性。针对电流互感器误差在线监测缺乏标准互感器作为参考的难题，提出了一种基于门控注意力Transformer(Gatedformer)模型的在线监测方法，可通过学习多路电流数据特征，准确预测未来电流互感器标准值，从而计算其误差值。该方法通过维度转置操作能够有效利用注意力机制集中于时序特征的相关性，增强多路数据之间的特征解耦能力；门控注意力机制则进一步优化了时间序列依赖关系的捕捉效果，显著提升了长时间序列预测的性能。实验结果显示，模型在三路电流数据集上的平均预测误差为0.09%，为实现电流互感器在线监测提供了有力支撑。

关键词

电流互感器 / 时间序列预测 / 深度学习 / 门控注意力网络