Page 76 - 《中国电力》2026年第5期

2026 年 第 59 卷

DAM-SVM； DAM-LSTM； DAM-GRU； DAM-Transformer

400
电压/V 200 0
−200
−400

18.0 18.2 18.4 18.6 18.8 19.0 19.2 19.4 19.6 19.8 20.0
时间/s
a C相电压（检测区域）
20
电流/A 0
−20

18.0 18.2 18.4 18.6 18.8 19.0 19.2 19.4 19.6 19.8 20.0
时间/s
b C相电流（检测区域）
图 4 C 相电压和电流检测区域识别情况
Fig. 4 Identification of C-phase voltage and current detection area

DAM-transfoemer； CEO-DAM-transfoemer； DAM-transfoemer； CEO-DAM-transfoemer；
14 SSA-DAM-transfoemer； WOA-DAM-transfoemer； 18 SSA-DAM-transfoemer； WOA-DAM-transfoemer；
GWO-DAM-transfoemer； ICEO-DAM-transfoemer GWO-DAM-transfoemer； ICEO-DAM-transfoemer
16
12
14
10
异常数据识别数/个 8 6 异常数据识别数/个 10 8
12

4 6
4
2
2
0
A相 B相 C相 0
电压相位 A相 B相 C相
电流相位
图 5 不同模型三相电压异常信号识别个数
图 6 三相电流异常信号识别个数
Fig. 5 Number of abnormal three-phase voltage signals
identified by different models Fig. 6 Number of abnormal signals identified for
three-phase current
信号识别率如表 2 所示。 表 2 对比模型异常信号识别准确率

在 ICEO 优 化 算 法 性 能 验 证 实 验 中 ， ICEO- Table 2 Comparison of model abnormal signal
recognition accuracy
DAM-Transformer 的电压异常识别率为 97.43%，比
单位：%
CEO-DAM-Transformer 的 84.62% 提升了 12.81%，比
模型 电压异常识别率 电流异常识别率
GWO、WOA、SSA 优化的模型分别提升了 30.76%、
GWO-DAM-Transformer 66.67 56.86
25.64%、 33.33%； 电 流 异 常 识 别 率 为 92.16%， 比
WOA-DAM-Transformer 71.79 62.75
CEO-DAM-Transformer 的 0.39% 提升了 11.77%，比
SSA-DAM-Transformer 64.10 58.82
其 他 3 种 优 化 模 型 分 别 提 升 了 35.30%、 29.41%、
CEO-DAM-Transformer 84.62 80.39
33.34%；总识别率为 94.44%，比 CEO-DAM-Trans-
ICEO-DAM-Transformer 97.43 92.16
former 的 82.22% 提升了 12.22%，比另外 3 种优化
模型分别提升了 33.33%、27.77%、33.33%。该实 模型对异常信号的识别性能方面效果显著，优于
验验证了 ICEO 优化算法在提升 DAM-Transformer CEO、GWO、WOA 和 SSA 优化算法。

72