-
题名RMCNN多领域知识融合的电力风险预警模型
- 1
-
-
作者
孙伟
刘辉
邢璐
许牧晨
赵鑫
-
机构
国网安徽省电力有限公司电力科学研究院
国网安徽省电力有限公司
安徽继远软件有限公司
-
出处
《自动化技术与应用》
2026年第2期63-68,共6页
-
基金
国网安徽省电力科技项目资助(52120524000B)。
-
文摘
为了解决电力系统中故障和异常数据稀缺且不完整的问题,提高预测的准确性和实时性,研究提出了一种多领域知识融合模型。利用卷积神经网络的特征提取能力,并结合相关记忆机制,来提高知识图谱链接预测的准确性。通过知识图谱揭示潜在复杂关联并识别可能的风险点,使用CombE模型结合1D和2D卷积嵌入来进行链路预测。结果表明,相较于基线模型TransE,所提相关记忆-卷积神经网络模型(relevant memory convolutional neural network, RMCNN)在FB15K-237和WN18RR上的平均倒数排名分别提高了25%和150%。RMCNN在FB15K-237上的平均倒数排名和Hit@10较ConvE分别提高了13%和12%。多领域知识模型在电力系统风险预警中的应用,显著提升了预警的准确性和可靠性,为电力系统的安全运行提供了有力保障。
-
关键词
rmcnn
电力系统
多领域知识融合
风险预警
建模
-
Keywords
rmcnn
electric power system
multi-domain knowledge integration
risk early warning
modeling
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
