Julian Oelhaf

机器学习模型用于电力系统故障分析比较 · arXiv 研究

一篇新论文详细介绍了在电力系统中用于故障分类和定位的机器学习模型的受控比较。该研究使用了相同的数据集、传感假设和决策时间范围，以确保模型之间的可比性。对于故障分类，即使在仅有10毫秒的短决策窗口下，顶级模型的F1分数也达到了0.98以上，表明早期瞬态数据具有信息量。对于故障定位，最佳模型的稳定误差约为归一化线路长度的10%，准确性因电网段而异，而非仅取决于时间上下文。