10.3969/j.issn.1000-3886.2021.01.025
基于优化深度神经网络的配电网单相接地故障诊断
随着我国配电网的不断扩大,当配电网发生单相接地故障时,迅速找出并切除故障线路是供电可靠性的保证之一.提出了一种暂态故障特征和稳态故障特征相结合,并采用交叉熵损失函数和改进学习率优化的深度神经网络对故障进行辨别的方法.结果表明,方法有效地减少了深度神经网络的迭代次数,提高了学习效率.在辨别单相接地故障时,采用交叉熵损失函数和改进学习率优化的深度神经网络方法比未优化的深度神经网络准确率高,抗干扰性好.
单相接地故障、故障特征、深度神经网络、交叉熵损失函数、改进学习率
43
TM727(输配电工程、电力网及电力系统)
2021-04-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
88-91