基于鲁棒学习的配电网开关柜状态诊断方法
信号处理
2023-12-08 v2 计算机视觉与模式识别
摘要
本文介绍了一种鲁棒、基于学习的配电网开关柜状态诊断方法，该方法对于保障终端用户的电能质量至关重要。传统诊断模型往往严重依赖专家知识且缺乏鲁棒性。为此，我们的方法引入了一个扩展特征向量，包含环境数据、温度读数、开关位置、电机运行、绝缘状况以及局部放电信息。我们通过特征映射解决高维度问题。该方法引入决策半径对未标记样本进行分类，并结合监督损失、无监督损失以及一致性正则化函数更新模型参数。这种方法即使在标记样本数量有限的情况下也能确保鲁棒学习。对比分析表明，该方法在准确率和鲁棒性上均显著优于现有模型。
引用
@article{arxiv.2311.07956,
title = {Robust Learning Based Condition Diagnosis Method for Distribution Network Switchgear},
author = {Wenxi Zhang and Zhe Li and Weixi Li and Weisi Ma and Xinyi Chen and Sizhe Li},
journal= {arXiv preprint arXiv:2311.07956},
year = {2023}
}