基于卷积深度置信网络的配电网故障分类方法
提出一种基于卷积深度置信网络(CDBN)实现配电网故障分类的方法,利用离散小波包变换(DWPT)分解主变低压侧进线电流和母线电压等电量信号并构造时频矩阵,将时频矩阵转换成时频谱图的像素矩阵后作为CDBN的输入,经CDBN自主提取故障特征量,最终完成配电网故障分类识别.应用典型结构配电网的故障仿真数据与故障实验样本进行故障识别测试,结果表明,所提方法不但具有提取故障特征明显、故障分类正确率较高的特点,并且在系统中性点运行方式及网络结构调整、故障起动检测延迟、分布式电源接入等情况下,均有良好的应用适应性.
配电网、故障分类、离散小波包变换、时频矩阵、卷积深度置信网络
39
TM711(输配电工程、电力网及电力系统)
国家自然科学基金资助项目51677030;福建省自然科学基金资助项目2016J01218;晋江市科技计划项目2017C006
2019-12-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
64-70