DBN深度学习算法在反窃电系统中的应用

来源 :电信科学 | 被引量 : 6次 | 上传用户:Akobe
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着经济的发展,电力需求逐渐增大,但由于电力系统在电量自动化的技术方面相对落后,窃电现象屡禁不止。传统的反窃电手段一般都围绕加强电能计量装置进行技术改造,管理效率较低,而深度学习的目的是利用构建多层神经网络模型的方法来学习图像、文本、语音等数据的潜在特征,在分类问题上有很好的效果,在众多复杂领域成功应用的深度学习算法为解决反窃电问题提供了新的有效途径。主要介绍了DBN的结构与学习算法和基于DBN算法的反窃电模型,最后进行了实验,对结果进行了分析。
其他文献
基于LuGre动态摩擦理论,建立了用于研究车辆动力学特性的动态轮胎模型,推导了车辆轮胎纵向力和侧向力的表达式,以此作为基础进行整车动力学的模拟仿真。采用遗传算法对轮胎模
数字通道的不对称时延对线路电流差动保护具有不利的影响,其影响机理复杂、后果严重,有必要采用有效的方法对其进行分析,以提高继电保护的可靠性。首先,分析了线路电流差动的工作原理和动作判据;然后,针对不对称时延对继电保护可靠性的影响,确定了不同故障条件下的量化分析方法;最后,通过实例验证了该方法的可行性和正确性。研究结果表明,不对称时延对继电保护可靠性的影响与故障条件有显著相关性,这一结论对继电保护可靠