基于轻量化CNN的配电网故障识别研究
现有基于深度学习的配电网故障识别算法普遍存在结构复杂、参数较多、计算量大等问题.基于此,本文对卷积神经网络(Convolutional Neural Networks,CNN)模型应用深度可分离卷积进行轻量化改进,并进一步采用倒残差结构优化,提高模型的特征表达能力,结合变分模态分解(Variational mode decomposition,VMD)预处理,提出VMD-LCNN模型(VMD and Lightweight CNN).该模型首先应用VMD分解提取故障信号特征,然后输入到轻量化CNN中,最后对故障类型进行识别.试验结果表明,该模型的有效性和可行性.
配电网、故障识别、CNN、轻量化、VMD
TP311;TH122;TP274
2023-08-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
185-188