基于深度卷积神经网络的海上平台接地选线方法

摘要：

针对目前海上采油平台接地故障选线准确率不高的问题,提出一种基于深度卷积神经网络的小电流单相接地故障选线方法,将接地瞬间的波形图像进行图像二值化和尺寸像素压缩等预处理得到神经网络所需的训练数据,通过使用Tensor Flow深度卷积神经网络进行训练后进行接地故障选线,实验结果表明,仅经过100多个现场及真型试验波形的训练后选线准确率即可达到95.83％,深度卷积神经网络比传统的神经网络算法具有更强的学习能力及更高的选线精度.

关键词：深度学习、人工智能、接地选线、配网、Tensor Flow

分类号：TM77;TM862;TE951

资助基金：国家重点支持的项目2018YFB0904800

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8