关键词:
人工智能
变压器高精度
卷积神经网络
自动化控制
激活函数
摘要:
针对电力设备控制算法控制精度不足的问题,本文通过设计基于人工智能的变压器高精度自动化控制算法实现控制精度的提升。首先,利用传感器采集变压器工作状态相关运行数据,作为卷积神经网络(convolutional neural network,CNN)模型的输入;其次,借助灰狼优化(grey wolf optimizer,GWO)算法的全局检索功能,优选CNN参数,并采用修正线性单元(rectified linear unit,ReLU)函数作为卷积层激活函数,以降低梯度膨胀问题;最后,在全连接层输出层同步控制训练误差,从而改善控制效果。结果表明:基于人工智能的CNN控制算法在训练数据集上和测试数据集上对异常电压与电流数据识别准确率达到98.6%和98.3%,展现出卓越的控制性能与效能。